会议开了两个小时，散会以后，负责记录的人又花了三个小时整理纪要。
先回听录音，确认谁提了哪个数字；再从聊天记录里补链接；最后把“大家回去再看看”翻译成有负责人、有截止时间的任务。等纪要发出来，参会者对细节已经开始记不清了。
会议记录自动化的价值，就在于减少这种重复劳动。但它也很容易被写得过头：上传录音，几分钟后自动得到一份完全准确、责任清晰的纪要。
现实没这么简单。一个可靠的流程至少分成四层：录音、转写、整理、确认。 语音转文字接口主要负责第二层，后面的摘要、决策提取和任务同步需要额外逻辑或大模型，关键内容仍应由人确认。
¶ 先把“纪要”和“逐字稿”分开
逐字稿回答的是“大家说了什么”；纪要回答的是“讨论了什么、决定了什么、接下来谁做什么”。
两者不能混为一谈。自动转写提供事实底稿，纪要则是对底稿的压缩和组织。压缩就可能遗漏，组织就可能误解，所以企业场景里最好保留原始转写和音频，方便回查。
¶ 第一步：先解决录音质量
后续效果很大程度取决于输入。会议室里如果有人离麦克风太远、多人同时讲话、空调声很大，再好的识别也会受影响。
可以从几个小地方改善：
- 线上会议优先保存平台原始录音
- 线下会议把麦克风放在桌面中央
- 开会前确认录音许可和内部制度
- 重要数字和专有名词在会上再复述一次
- 记录会议标题、时间、参会人和议题等元数据。
这些看起来不像 AI 功能，却比事后反复调参数更有效。
¶ 第二步：把录音转成可回查的文字
Ace Data Cloud 的 OpenAI Transcriptions API 支持常见音视频格式，单文件上限为 25MB。较长会议可能需要先压缩或切片。
普通文字底稿可使用 gpt-transcribe；如果希望把纪要中的内容链接回原录音，可以考虑 whisper-1 的 verbose_json，保存分段或词级时间戳。
会前还可以准备一个简短术语表，包括：
- 公司和产品名称
- 项目代号
- 参会人姓名
- 常见英文缩写
- 会议涉及的客户或合作方
术语提示有助于减少部分专有名词误识别，但不是保证。合同金额、日期、版本号和责任人等关键信息必须核对。
¶ 第三步：把逐字稿整理成结构化纪要
有了转写文本，后续程序或大模型可以按固定模板整理，例如：
# 会议主题
## 参会信息
- 时间：
- 参会人：
- 议题：
## 讨论摘要
## 已确认决策
## 待办事项
| 事项 | 负责人 | 截止时间 | 来源时间点 |
|---|---|---|---|
## 尚未确认的问题
模板里最好保留“尚未确认的问题”，不要强迫系统把每一段讨论都归纳成结论。会议里经常会出现试探性意见、被否定的方案和没有明确负责人的建议。如果系统把这些都写成正式决策，纪要反而会制造问题。
整理时还应要求：
- 不补写录音中没有的信息
- 不确定的负责人标记为待确认
- 数字和日期附上原文或时间点
- 决策与建议分开
- 多个版本的方案保留最终采纳结果
¶ 第四步：让人确认，而不是让人重新整理
自动化最合理的目标，不是完全取消人工，而是改变人工工作的内容。
过去，记录者从零回听、输入和排版；自动化以后，记录者主要做三件事：
- 检查专有名词、数字和日期
- 确认决策是否准确
- 补齐负责人和截止时间
确认完成后，再把任务同步到项目管理系统或待办工具。不要在人工确认前自动创建大量任务，否则一个误识别就可能触发错误通知。
¶ 多人会议中的一个现实限制
当前转写能力不应直接等同于可靠的说话人身份识别。即使某些系统能区分不同声音，也不代表一定知道“声音A”对应张三还是李四。
如果业务强依赖“谁说了什么”，可以考虑：
- 使用线上会议的独立音轨
- 结合参会人发言顺序
- 要求发言前报名字并不现实，但关键决策可以由主持人复述
- 在审核界面提供快速修正发言人的功能
文章和产品页面都不宜把多人会议写成天然能完全自动归因。
¶ 隐私和权限不能后补
会议录音可能包含客户信息、员工信息、合同内容和未公开计划。上线前应明确：
- 哪些会议允许录音
- 谁可以查看原音频和逐字稿
- 文件保留多久
- 是否允许把内容交给外部服务处理
- 删除请求如何执行
- 日志中是否会记录敏感文本
具体要求取决于企业所在地区、行业和内部制度，不能只靠一篇技术文章下结论。涉及高敏感内容时，应让安全、法务和合规团队参与评估。
¶ 一条稳妥的落地路径
建议不要一开始覆盖所有会议，可以从结构明确、风险较低的周会开始：
- 记录会议元数据并取得录音许可
- 上传录音，超限文件切片
- 生成带时间定位的转写稿
- 按统一模板生成纪要草稿
- 由会议主持人或记录人确认
- 确认后再发布纪要、同步待办
- 抽检错误类型，持续补充术语表
评估时不要只看“生成有多快”，更应看：
- 数字和人名错误是否可控
- 决策是否被正确区分
- 审核者能否快速回到原录音
- 最终纪要是否按时发出
- 团队是否愿意持续使用
会议记录自动化不是让机器替团队做决定，而是让机器先完成听写、定位和初步整理，把人的时间留给确认责任、理解上下文和推动事情落地。