通义听悟怎么用？音视频转写与整理

一场 90 分钟的会，转写只解决「有文字」，整理才解决「能用」。通义听悟把转写、章节、摘要、发言归纳放在同一条流程里，省掉来回切工具的时间。产出能不能直接用，取决于会前设置和会后校对这两头。

先判断这段音视频值不值得转

三类内容值得转：会上有决定和待办、内容以后要被引用、参与人没到场需要补课。三类不值得：只是同步信息且已有完整文档、录音差到听不清、内容重复且没有留存价值。转写本身不贵，校对和重听才花时间。

判断音质有个便宜的办法：戴上耳机听 10 秒，问三个问题——能不能听清每个词、有没有持续底噪、两人同时说话能不能分开。有一个不行，就先修录音或换收音方式，别急着上传。远场录音、会议室混响、手机放桌上录六个人，是分离效果差的常见原因。

会前设置决定一半质量

语言要选对。普通话、英文、方言、中文夹英文，识别模型不一样；选错语言，章节和摘要都会跟着错。多人会议提前填好说话人数，填少了会合并，填多了会拆出并不存在的发言人。

如果版本支持热词或术语表，把项目名、产品名、人名、缩写先录进去。专名是转写错误的高发区，提前给词表比事后逐个改省事。没有热词入口时，至少在会后准备一张对照表。会议与课堂的实时记录还有一层设置差异：实时记录更看重麦克风和发言人切换，上传录音则更看重文件本身的声道与采样。

录音位置比工具重要。单人访谈用近场麦克风，多人会议让每个人靠近拾音设备，或者用领夹麦；笔记本内置麦克风放在长桌一端，远端人声会明显偏小。能录成分轨更好，不能分轨就确保没有空调、投影仪、键盘的持续噪声。

转完先看章节，不要从头读

章节速览的价值是定位，不是摘要。先看章节标题是否覆盖主要议题，再看时间轴是否连贯。标题全是「讨论一、讨论二」，说明话题切分没做好；某一章占了全场一半，说明停顿或音乐被当成连续内容。这时用关键词搜索定位，比从头听快得多。

长音频不要顺序读。先跳到有决定、有数字、有争议的段落，标出来，再回头补上下文。课程和播客按章节跳读，访谈按主题跳读，会议按议程跳读。跳读的前提是章节可信，章节不对时先修转写，别在错的目录上做笔记。

校对只查三类地方

专名。人名、公司名、产品名、项目代号，转写错一次，后面检索就找不到。导出前统一替换，不要逐句改；替换时注意同音不同字，别把对的也改错。

数字和单位。金额、比例、日期、版本号、时长，错一位就差很远。转写常把「百分之十」写成「10」或「十」，把「三季度」写成「3 季度」，把「两百万」写成「200 万」。统一成一种写法，再和原始材料核对。

否定与条件。这是容易忽略的一类。「不同意」漏了「不」，「无需」写成「需」，「仅在……情况下」丢了条件，结论会完全反过来。重要决定回到录音听原句，不要只看文本。音质差、口音重、多人抢话的位置，校对优先级要高。

按用途重排交付物

会议纪要交付四样：议定事项、待办、负责人、截止时间。每条待办要有动词和对象，比如「周五前由市场部提交活动预算」，不要写「预算事宜」。访谈整理交付三样：主题、原话、追问点；原话保留语气，主题由你归纳，两者不要混在一起。

课程和播客的交付物不同。课程要章节、知识点、例子和练习，方便复习；播客要时间轴、金句、提到的书和链接，方便做 shownotes。同一份转写稿，按用途重排一遍，比直接导出全文有用。二次整理可以让 AI 按固定字段输出，提示词的改法参考官方提示词库的改编思路，把示例换成你的真实纪要。待办要落到可查询的表里，思路和把信息存成可查询记录相通：先定字段，再谈自动提醒。

哪些内容不要上传

涉密会议、未公开的人事安排、客户名单、报价与合同细节，不要上传到公共账号。先用单位批准的工具，或者只上传脱敏后的片段。录音他人要取得同意，这既是礼貌，也涉及个人信息的使用边界。

还有两类容易忽略：一是带背景音乐的音频，音乐会被当成说话内容，影响分离；二是包含大量表格和图表的录屏，PPT 提取能识别画面，但小字、动画、快速翻页会漏。需要保留幻灯片时，单独导出 PDF 比依赖视频识别可靠。

四种内容的对照表

音视频整理速查

• 先听 10 秒判断值不值得转，音质不行先修录音
• 会前选对语言、填对人数、能加专名表就加
• 转完先看章节定位，不要从头顺序读
• 校对只查专名、数字单位、否定与条件
• 涉密、客户信息、未公开人事，不上传公共账号

通义听悟的入口、支持的格式和额度随版本变化，以官方最新版本为准。转写省下的是听录音的时间，结论是否成立，仍要回到原话和原始材料。整理完的稿子和提示词记录建议归档，方便以后检索，对话历史的检索与导出里的方法同样适用。