不知道你有没有过这种崩溃时刻：跟客户开完会，对着 2 小时的录音，想整理出几条要点，结果一上午就过去了，最后写出来的纪要还漏了关键信息。
我自己也是被逼出来的。后来把流程固定下来，核心就四个工具，全是免费或几乎免费的：
第一个是语音转文字。现在本地就能跑 Whisper，不用传云端，隐私也保住了。会议、访谈、电话录音丢进去，中文识别准确率够用，尤其普通话场景。这一步把 2 小时的“听”变成 10 分钟的“扫一眼文字”。
第二个是长文本总结。转录出来的文字动辄上万字，直接丢给支持长上下文的模型（DeepSeek、Kimi 都行），让它按“结论 / 待办 / 风险 / 谁说了什么”四栏输出。关键是 prompt 里要写明输出格式，不然它容易写成一段流水账。
第三个是格式校验。AI 总结完，我会再让它自己读一遍，检查有没有“张冠李戴”——把 A 说的话安到 B 头上。这一步很多人省了，结果纪要一出错，客户信任直接掉一档。
第四个是本地化兜底。有些音频质量差、口音重，Whisper 转得稀烂，这时候用 ffmpeg 先做一遍降噪和响度归一，再转文字，命中率能拉回来不少。
四个工具串起来，我的节奏是：录音 → 降噪 → 转文字 → 四栏总结 → 自检。2 小时音频，最后 10 分钟就能出一份能直接发出去的纪要。
核心不是工具本身，是那条“听 → 看 → 提炼 → 复核”的流水线。工具是零件，流程才是产品。
你现在最头疼的重复性杂活是什么？评论区聊聊，说不定能一起拆出一条流水线。
