首页 → 博客 → 播客转录：节目笔记、章节和可被搜索的单集页面

播客转录：节目笔记、章节和可被搜索的单集页面

发布于 2026-08-05 · 6 分钟阅读

音频对搜索引擎是不可见的。一集塞满专家回答的一小时节目，带来的自然流量和一个空页面完全一样——直到你把文字发布出来。转录同时也是节目笔记、章节、金句和社交帖子最便宜的来源。

转录对播客的价值

一次转录请求同时喂饱四件事：

自然搜索。单集页面开始因为嘉宾回答过的那些问题被搜到，而不只是因为节目名称。
无障碍。听障听众，以及所有没带耳机通勤的人，可以改成阅读。
内容复用。社交平台的金句、邮件通讯的摘要、博客文章，都出自同一份文字。
导航。带时间轴的章节让人直接跳到自己要听的那一段。

准备音频文件

提交已发布的成品（混音和母带处理过的文件），而不是原始分轨。如果放不进 25 MB 的请求限制，就为识别单独压一份：

ffmpeg -i episode-42.wav -ac 1 -ar 16000 -b:a 48k episode-42.mp3

这一份只用于转录，音质损失无所谓——16 kHz 单声道本来就是模型内部使用的规格。

拿到带时间轴的转录

使用 verbose_json：它同时返回完整文本和带起止时间的分段，章节就是从这些分段里生成的。

from openai import OpenAI

client = OpenAI(base_url="https://voicesscribe.com/v1", api_key="your key")

with open("episode-42.mp3", "rb") as f:
    r = client.audio.transcriptions.create(
        model="whisper-1", file=f,
        response_format="verbose_json",
        prompt="Guest: Maria Alvarez, CTO at Nordwind Systems. Topics: observability, OpenTelemetry, on-call rotation.",
    )

open("episode-42.txt", "w", encoding="utf-8").write(r.text)

把嘉宾姓名、公司和主要术语写进 prompt。人名是通用模型最先出错的地方，而它恰恰是别人拿来搜索的关键词。

从分段生成章节

章节标记不过是带标题的时间点。把分段按几分钟聚成块，再让语言模型给每块起标题：

blocks, cur, start = [], [], 0
for s in r.segments:
    cur.append(s.text)
    if s.end - start > 300:            # 大致五分钟一块
        blocks.append((start, " ".join(cur)))
        cur, start = [], s.end
blocks.append((start, " ".join(cur)))

for t, text in blocks:
    print(f"{int(t)//60:02d}:{int(t)%60:02d}  {title_for(text)}")

结果可以直接放进支持章节时间戳的平台的单集简介，也可以放进你自己网站上的页面。

用转录写节目笔记

节目笔记 = 摘要 + 链接 + 金句。三者都可以从文字里一次性起草：

notes = llm(f"""From this podcast transcript produce:
- a two-sentence episode summary,
- five bullet points of what the guest actually claims,
- three quotable lines, verbatim,
- every book, tool and company mentioned.

{transcript}""")

人名和产品清单一定要人工核对。转录在普通口语上很准，恰恰在专有名词处最不可靠——而那正是事实性错误最扎眼的地方。

怎样发布才能被搜索引擎读到

转录只有以文字形式出现在页面上，才对搜索有用：

用普通 HTML，不要 PDF 或图片。把文字放进页面正文，最好用时间戳做小标题。
一集一个页面，各有自己的标题和描述，不要堆成一个长长的归档页。
在播放器旁边挂一个 VTT 轨道，让听众可以跟读：response_format="vtt" 直接返回可用的文件。
结构化数据。把页面标记为 PodcastEpisode，让单集以媒体对象而不是文章的形式展示。

不要直接粘贴原始识别结果。花十分钟分段并修正人名，就是「有人读的页面」和「一堵让人转身就走的文字墙」之间的区别。

这样做的成本

按音频分钟计费，所以算术很好预测：每周一期、每期一小时的节目，一个月大约四小时转录量。这是播客里最便宜的一环——比托管便宜，更远远低于剪辑这一集所花的成本。

处理速度快于实时，因此整个历史节目库可以一次批量跑完，通宵之后就变成一批可被检索的页面。

用你自己的录音试一试。 注册只需一分钟，免费额度足够判断识别质量。

免费获取 API 密钥

常见问题

应该发布完整转录还是只发摘要？

发布完整文本：这才是让单集能被嘉宾回答过的长尾问题搜到的原因。顶部放一段摘要，帮读者判断要不要继续看。

转录能把嘉宾的名字写对吗？

把嘉宾姓名和公司通过 prompt 传进去，通常就能写对。专有名词是任何识别模型的弱点，发布前请核对。

怎样得到带时间戳的章节？

请求 verbose_json：它会返回带起止时间的分段。把这些分段按几分钟聚成块，再给每块起个标题。

两位主持人加一位嘉宾的单集能转吗？

可以，语音会被完整转录，但单个混音文件不会带说话人标签。如果原始多轨工程还在，建议分轨转录。

一集里有多种语言怎么办？

语种是根据录音开头判定的，所以双语单集最好切成片段，按语言分别转录。