首页 → 博客 → 如何把讲座或网络研讨会转成可用的笔记

如何把讲座或网络研讨会转成可用的笔记

发布于 2026-08-20 · 5 分钟阅读

一场九十分钟的讲座大约是一万两千字。为了一个公式重看一遍太浪费，手写笔记又要花掉同样的时间。转录几分钟就能解决：文字可以搜索、可以压缩成提纲，考试前或落地前随时回看。

文字版解决了什么

重看录像的三个理由，转录都能覆盖：

搜索。一个术语、一个库名、一位作者，一秒钟就能定位，不用来回拖进度条。
笔记。把文字压缩成提纲只需一遍，人工或交给语言模型都行。
无障碍。通勤中、开放式办公室里、听力不便的人，都更依赖文字。

课程作者还有额外好处：带转录的页面能被搜索引擎收录，视频本身不能。

先准备音频

讲座通常是视频。先抽出音轨并压缩，识别用不到画面，多余的体积只会拖慢上传：

ffmpeg -i lecture.mp4 -vn -ac 1 -ar 16000 -c:a libopus -b:a 24k lecture.ogg

单声道、16 kHz、opus 能把文件缩小一个数量级，而清晰度毫无损失——模型本来就按 16 kHz 处理。

带时间戳的转录

讲座适合用分段格式，之后可以直接跳回视频的对应分钟。

from openai import OpenAI

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

with open("lecture.ogg", "rb") as f:
    r = client.audio.transcriptions.create(
        model="whisper-1", file=f, response_format="verbose_json",
    )

for seg in r.segments:
    print(f"[{int(seg['start'])//60:02d}:{int(seg['start'])%60:02d}] {seg['text'].strip()}")

输出是带时间标记的分句文本。把它放在视频旁边，每个时间点都是一个跳转链接。

术语、人名和公式

讲座满是专业词汇，任何模型都在这里出错。把词表通过提示词传进去：

r = client.audio.transcriptions.create(
    model="whisper-1", file=f,
    prompt="计量经济学讲座：异方差、德宾-沃森检验、最小二乘法",
)

提示词不会出现在结果里，只是把识别推向正确的词。如果讲课只用一种语言，再传一个语言代码，可以消除停顿处的误判。

处理完整的九十分钟

长录音放不进一次请求，按停顿切开再拼回来：

ffmpeg -i lecture.ogg -f segment -segment_time 900 -c copy part%03d.ogg

十五分钟一段可以并行处理，按文件名顺序合并即可。切点尽量落在静音处，句子就不会被拦腰截断。

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

一小时的讲座要处理多久？

处理速度快于实时：一小时音频大约两分钟出结果，切成小段并行发送还会更快。

教室里录得不好也能识别吗？

靠近话筒的讲话识别很稳。混响大的教室、后排提问和投影仪噪音会降低准确率，用领夹麦或调音台输出效果最好。

能直接得到视频字幕吗？

可以，请求 srt 或 vtt 格式，返回的就是能直接挂到播放器上的字幕文件。

怎么区分讲师和提问者？

系统不做自动说话人分离。如果提问走另一支话筒并录到独立声道，把声道分别转录即可。