首页 → 博客 → 如何把会议录音转成可用的会议纪要

如何把会议录音转成可用的会议纪要

发布于 2026-08-05 · 6 分钟阅读

录下来的会议就是一个没人打开的文件夹。所有人都记得当时做了决定，却没人记得是哪一个，而为了找到它重看四十分钟录像——这件事不会发生。转录把录音变成几秒钟就能检索、引用和总结的东西。

转录带来的四点改变

光有录音做不到的四件事：

跨会议检索。一次查询就能找出所有提到某个客户、某个截止日期或某项预算的讨论。
真正写出来的纪要。决议和待办从文字里提取，而不是指望有人在会上边听边打字。
缺席者的上下文。读一份记录只要看录像的五分之一时间。
可长期保存的记录。文字能跨平台迁移，视频档案通常做不到。

录音到底在哪里

写代码之前先把文件找到。各家存法不同：

平台	去哪里找	得到什么
Zoom	本地录制目录，或网页账号里的云录制	mp4 加一个独立的 m4a 音轨
Microsoft Teams	OneDrive 或 SharePoint，会议聊天里有链接	mp4
Google Meet	云端硬盘的 Meet Recordings 文件夹	mp4

Zoom 本地录制最省事：纯音频文件本来就在，不需要再转换。

第一步：提取并压小音频

一小时的会议视频是几个 GB，同样一小时的语音转成 mp3 只有 25 MB 左右。会议内容以人声为主，所以单声道、较低码率不会丢掉任何有用的东西：

ffmpeg -i meeting.mp4 -vn -ac 1 -ar 16000 -b:a 48k meeting.mp3

16 kHz 单声道正是识别模型内部使用的规格。文件变小之后，两小时的会议也只要两个请求。

第二步：带时间轴地转录

会议场景建议用 verbose_json 而不是纯文本：分段里带有起止时间，这正是之后能跳回录音的依据。

from openai import OpenAI

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

with open("meeting.mp3", "rb") as f:
    r = client.audio.transcriptions.create(
        model="whisper-1", file=f,
        response_format="verbose_json",
        prompt="Weekly product sync: roadmap, Q3 release, Kubernetes migration",
    )

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

prompt 是放公司内部词汇的地方：项目名、内部缩写、人名。会议里满是通用模型从没见过的术语，一行提示就能修好其中大部分。

第三步：把转录变成纪要

转录文本只是原料。真正有用的产物是带决议和责任人的简短总结，这交给语言模型：文字进去，结构化纪要出来。

notes = llm(f"""Here is a meeting transcript. Return:
1) a summary in five bullet points,
2) decisions made,
3) action items in the form "owner — task — deadline".
Quote only what is in the text; do not invent items.

{transcript}""")

两条规则保证结果可信：明确要求「只根据文本内容」，以及保留时间轴，这样任何一条结论都能回到录音里核对。

谁说了什么

诚实的回答是：单个混音音轨不会带说话人标签。两个实用的绕行办法：

分轨录制。Zoom 可以把每位参会者录成独立音频文件。逐个转录，就免费得到了完美的说话人区分。
开场点名。如果第一分钟每个人报一下自己的名字，模型和读者都会更容易对上号。

对多数会议纪要来说，谁说的没有决议本身重要——在确认真正需要之前，不必为此过度设计。

长会议与成本

按音频分钟计费，所以两个抓手很明确：不转录不需要的部分，也不要把静音发过去。

# 把长会议切成半小时一段
ffmpeg -i meeting.mp3 -f segment -segment_time 1800 -c copy part%03d.mp3

周期性的例会通常值得整场转录；两小时的工作坊往往只转录真正做决定的那一段更划算。一个好用的经验法则：先整月全部转录，看清大家实际在搜什么，再收窄范围。

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

可以直接提交 mp4 文件吗？

请先用 ffmpeg 提取音轨。视频大几十倍，而画面对识别没有任何作用，直接传只是在为上传时间买单。

一小时的会议要转多久？

最多几分钟：处理速度快于实时，把长录音切段之后还可以并行提交。

转录结果会标出说话人吗？

单个混音音轨不会。把参会者录成独立音频文件再逐个转录，就能得到精确的说话人区分。

怎样保证内部术语写对？

通过 prompt 参数传进去：把项目名、缩写和人名列成一行，识别效果会明显改善。

录音会被保存吗？

录音和转录文本保存不超过 24 小时，供你从客户后台下载结果，之后自动删除。