做播客用 AI，真正省时间的是录制之后的转写与摘要：对谈节目动辄一两个小时，靠人工整理文稿和 shownotes 非常耗时。通义听悟这类转写工具能把录音变成带说话人标记的文稿，再让大模型提炼金句与分段摘要，后期流程从几天压到几小时。这篇按流程讲清 AI 在哪些段能接管、哪些段仍要人来。
AI 能接管播客流程的哪几段
一期播客的流程是选题、录制、剪辑、转写、摘要、发布。AI 的强项集中在录制之后：录音转写文稿、生成时间轴、提炼分段摘要、写 shownotes、想标题，这些以文字处理为核心的环节都能大幅自动化。剪辑环节 AI 能做降噪、去口水音等辅助，但节奏与取舍仍靠人。选题环节大模型可以当头脑风暴对象，但节目调性只有你自己知道。算一笔时间账：一期九十分钟的访谈，人工整理文稿加写 shownotes 通常要三四个小时，AI 流程能把这段压到一小时以内，这是它最大的价值所在。
录制环节要做好的准备
转写质量的上限在录制时就定了。三点准备：环境安静，空调、风扇、键盘声都会进话筒，转写时全是识别错误；双人录制尽量各自一条音轨，分开的音轨让说话人分离不再依赖 AI 猜测，准确率直接拉满；远程访谈用支持分轨录音的软件，或至少录制本地备份，网络卡顿造成的音频断裂会同时毁掉节目和文稿。设备不必发烧，一副入耳式耳机加手机自带麦克风，在安静房间里已经能录出转写可用的音频。
转写环节的选型要点
转写工具看四点：识别准确率，中文播客主流工具都在可用线上；说话人分离，对谈节目的文稿价值一半在这里；时间轴标注，准确的段落时间戳让 shownotes 的章节跳转直接可用；导出格式，文本与带时间戳的两种都要有。通义听悟的转写加总结一体化对播客场景比较友好，上传录音直接得到文稿、摘要与待提炼的素材。长音频的处理时长与免费额度各工具不同，选型前拿一期真实节目录音实测，以官方最新版本为准。
shownotes 与金句的生成
转写完成后，把文稿交给大模型生成 shownotes，一次提问给足要求：按时间顺序列五到八个章节，每章附时间戳与一句话简介；提炼三到五句金句，用于社交平台传播；写一段两百字以内的节目简介；列出文中提到的书籍、工具、人名。这些要求一次说完，比来回追问效率高。生成结果必须逐条核对时间戳与事实，AI 偶尔会编造不存在的引用，发布出去就是事故。金句挑选保留主播的原话风格，AI 概括出的书面语反而失去播客的味道。
单人与对谈节目的处理差异
对谈节目是 AI 流程的标准场景，多轨录音加说话人分离，文稿结构清晰，摘要直接按人按段提取。单人节目有两处不同：没有对话结构，让 AI 按内容逻辑而非发言者分段；口播中自我修正多，文稿会显得啰嗦，摘要时明确要求合并重复表述。单人节目的文稿还有个额外用途——发布成文字版博客，同一期内容覆盖音频和图文两个渠道，这份边际收益对谈节目反而拿不到。
转写文稿直接当 shownotes 发布，还需要加工吗？
- 文稿要发到平台当文字版，需要改到什么程度？：至少做三件事：删掉口头语与跑题段、给长段落分节加小标题、把只有语音才有意义的内容（比如现场演示）改写成文字描述。直接贴转写原文，读者三十秒就会退出。
- 嘉宾的发言发出来需要授权吗？：录制前约定清楚，文稿、shownotes 与剪辑版都属于发布内容的一部分，涉及嘉宾观点的呈现以约定为准，这也是职业习惯的一部分。
- 转写按时长收费吗，一期节目的成本怎么估？：多数工具按音频时长计费或有免费额度，单期节目的转写成本通常不高，规模化更新前算清月度总时长，再对比各套餐价格，以官方定价为准。
