直接说结论
两小时录音约 2 万～3 万字，直接丢给 AI 会超上下文或被截断。正确做法是：先转写成分段带时间戳的文本，再按议题切块分批摘要，最后合并成一份纪要。全程约 20～40 分钟，人工校对再花 15 分钟。
为什么不能把录音直接扔给 AI
我试过最省事的做法：把两小时录音文件直接上传，让 AI 出纪要。结果三种情况都遇到过——提示文件过大被拒、只处理了前 20 分钟、或者模型把中间内容整段跳过，摘要里出现了录音中根本没提过的结论。
原因不复杂。两小时中文会议录音，按每分钟 150～200 字算，转写后是 1.8 万～2.4 万字。主流对话模型的单次上下文窗口，免费版通常在 8K～32K token 区间，付费版常见 128K 上下，具体以官方最新说明为准。字数本身塞得进，但模型对长文本中段的注意力会衰减，业内俗称「中间遗忘」。
所以关键不是找一个上下文更大的模型，而是把「一次塞进去」改成「切块处理再合并」。这个思路换任何工具都成立。
第一步：转写，别用会议软件的自动纪要
很多会议软件自带 AI 纪要，我踩过的坑是：它给的是「提炼版」，会丢掉具体数字、人名、时间节点，而这些恰恰是纪要里最该保留的。你需要的是逐字稿，不是二手总结。
转写工具分两类。一类是本地软件，按年或按小时收费，好处是音频不出本机，适合涉及敏感内容的会议；一类是在线服务，按月订阅，个人版公开定价大致在每月几十元区间，按时长计费的产品大约是每小时几毛到几元，以官方最新说明为准。
判断转写质量看三个点：是否带时间戳、是否区分说话人、专业术语错字率。第三点最容易被忽略。我处理过一场技术评审，转写把「灰度发布」写成了「灰度发部」，如果直接喂给 AI，后面整段逻辑都会歪。转写完成后先快速扫一遍，把反复出现的错词批量替换掉，这一步能省掉后面大量返工。
第二步：按议题切块，别按时间切
这是整条链路里最影响结果的一步。
按 30 分钟一段切是最省事的，但会议议题往往不按整点切换，一刀下去会把一个讨论切成两半，摘要出来两边都不完整。我的做法是先看转写稿，找出明显的议题转换信号——主持人说「那这个先到这」「下一个议题」，或者话题关键词整体换了一批——在这些位置切。
两小时会议通常能切出 4～8 个议题块，每块 10～30 分钟不等。给每块单独起个标题，比如「预算讨论」「上线时间确认」「人员分工」。这个标题后面会直接变成纪要的小标题，等于顺手把结构做了。
如果会议本身没结构、东一句西一句，那就退而求其次，按 20 分钟硬切，但要在每块的提示词里加一句「本段可能包含多个话题，请分别归纳」。
第三步：分批摘要，提示词要固定
每个议题块单独开一轮对话，用同一套提示词。我常用的是这样：
「以下是一段会议转写，请提取：1）讨论的核心问题；2）各方提出的方案；3）最终结论或未决事项；4）明确的待办事项，包含负责人和时间节点。没有提到的项写『未提及』，不要推测。」
最后那句「不要推测」很重要。不加的话，模型会习惯性补全，把「下周再看看」写成「下周三前完成」。这类虚构在纪要里是致命的，因为读的人会当成真实决议执行。
每块处理完，让它输出 200～400 字的摘要。6 块加起来约 1500～2500 字，这个体量再合并就轻松了。
| 环节 | 输入体量 | 耗时参考 | 主要风险 |
|---|---|---|---|
| 转写 | 2 小时音频 | 5～15 分钟 | 术语错字、说话人不分 |
| 切块 | 2 万字文本 | 5～10 分钟 | 切错议题边界 |
| 分批摘要 | 每块 3～5 千字 | 8～15 分钟 | 模型补全虚构 |
| 合并校对 | 2 千字摘要 | 10～15 分钟 | 待办遗漏 |
第四步：合并与校对
把所有分块摘要贴进一轮新对话，让它整合成一份纪要，明确要求：去重、按议题归类、待办事项单独列一张表。
到这一步 AI 的活基本干完了。剩下的必须人工过一遍，重点查三处：数字（金额、日期、百分比）、人名和负责人、否定词。否定词是最隐蔽的坑，「这个方案可以」和「这个方案不是不可以」，模型在压缩时容易丢掉那层转折。
我一般留 15 分钟做这件事。两小时会议，从上传录音到拿到可用纪要，整体在 20～40 分钟之间，比全程自己听一遍回放快得多。
操作步骤
- 用转写工具把录音转成带时间戳和说话人的逐字稿，先批量修正专业术语错字。
- 通读转写稿，按议题转换点切成 4～8 块，每块起一个小标题。
- 每块单独开一轮对话，用同一套提示词提取问题、方案、结论、待办。
- 提示词里必须写明「未提及就写未提及，不要推测」，防止虚构决议。
- 把各块摘要合并到一轮对话，要求去重并单独输出待办事项表。
- 人工校对数字、人名、负责人和否定表述，补齐遗漏的待办。
- 定稿后按议题归档，待办同步到任务工具并指派到人。
相关阅读
常见问题
Q：两小时录音一定要切块吗？
A：建议切。即便模型上下文够长，中段内容也容易被弱化。切块后每块 3～5 千字，模型注意力集中，摘要完整度明显更高，代价只是多开几轮对话。
Q：转写工具选本地的还是在线的？
A：看内容敏感度。涉及财务、人事、未公开产品的会议，优先本地转写，音频不出机器。普通内部沟通用在线的即可，按月订阅的个人版大致每月几十元，以官方最新说明为准。
Q：说话人区分不准怎么办？
A：先手动改前几处，把「说话人1」替换成真实姓名，再让 AI 按这个映射统一替换。如果重叠发言严重，就放弃区分，改在提示词里说明「不区分发言人，只归纳观点」。
Q：AI 生成的待办事项能直接用吗？
A：不能直接用，必须逐条核对。模型会把讨论中的假设当成决议。核对时重点看有没有负责人和明确时间，缺任何一项都标成待确认，别自己替会议做决定。
Q：中文夹杂英文术语，转写错得多吗？
A：比纯中文错得多，尤其是缩写和产品名。处理办法是转写前在工具里填一份自定义词表，把常用的几十个术语提前录入，能显著降低错字率。
Q：纪要要不要保留原始时间戳？
A：建议保留。争议发生时能快速定位到录音的哪一分钟，这个回溯价值很高。做法是在每块摘要开头标注该块对应的时间区间，不用逐句标。
Q：整场会议只有一个人讲，还需要切块吗？
A：需要，但可以按内容主题切。单人长发言往往是培训或汇报，按章节切块后摘要质量更高。提示词改成提取要点和行动项即可，不用管多方观点。
最后说两句
我现在的习惯是会议一结束就当天处理，隔夜再弄，很多上下文就忘了，校对时判断力会下降。你平时是当场记，还是会后靠录音补？有没有遇到过 AI 把没说过的话写进纪要的情况？
📚 相关专题：工具实测