会议录音转写选型：3 个工具中文识别与说话人分离实测对比

一句话结论

普通话会议录音里，通义听悟识别准、说话人分离稳；抢话多的场合飞书妙记分段更干净；腾讯会议胜在和会议本身绑定。

这篇解决什么问题

开完一个多人在线的会，录音躺在手机或云盘里，得变成一份能直接发给同事的纪要。真正麻烦的地方不是「转成字」，而是分清哪句话是谁说的。

适用：普通话为主的项目周会、访谈、内部培训录音，三到四个人说话。不适用：纯方言、多人高密度抢话，以及单位明文规定不能上传到第三方平台的敏感内容。

开始前要准备什么

• 飞书妙记、通义听悟、腾讯会议三个网页端，都有免费额度，超出按各自套餐计费
• 一段自己手里的录音，10 到 15 分钟，三到四个人说话比较理想
• 一张表，列固定为：工具、人名错字、术语错字、串行处、出稿耗时
• 电脑上开三个浏览器标签，手机也能做，但校对起来很费劲
• 整体留一小时左右，其中校对会占掉一半

具体怎么做

第 1 步 · 先把评判口径定下来

三家对同一样东西的叫法都不一样，飞书叫妙记，通义叫记录，腾讯叫转写。不统一口径，跑完一轮也说不清到底差在哪。

我会先把「什么算错」写死：人名错、术语错、说话人串行、整句漏掉，各占一栏。这一步花五分钟，能省掉后面半小时的争论。

你是我的会议记录助手。请帮我做一份转写质量对照表，用来比较三个工具对同一段会议录音的处理结果。
要求：
1. 表头包含：工具名称、出稿耗时、人名错误、专业术语错误、说话人串行、整句漏掉、可用度评分；
2. 评分标准写清楚：5 分＝改两三个词就能发出去，3 分＝需要逐句核对，1 分＝不如自己重听一遍；
3. 表下面留三行空白，用于写返工原因；
4. 只输出表格和评分标准，不要额外解释。
背景：三个人的项目周会，普通话，中间有一段两人同时说话。人名统一用「张一」「李二」「王三」占位。

预期产出：一张空白对照表，加一份能直接照着打分的评分标准。

第 2 步 · 同一段录音分别喂给三个工具

飞书妙记：登录飞书网页版，左侧栏找到「妙记」，点上传，选本地音视频，等进度条走完，右侧直接出逐字稿和分段。

通义听悟：进网页版，点上传音视频，把「说话人分离」勾上，语言选中文普通话，提交后等它跑完。

腾讯会议：如果是这场会本身录的，进「会议记录」找到那一场，点转写就能出稿；本地文件走上传入口，效果基本取决于音源。

有个细节先按住：三家都有 AI 摘要之类的按钮，这个阶段别点。摘要会把逐字稿里的错误盖住，比对的时候用不上。

请基于这份录音的转写内容，输出三样东西：
一、按发言顺序整理的逐字稿，每段开头写「发言人1」「发言人2」，相邻的不同发言人不要合并成一段；
二、把不确定的专有名词用方括号标出，例如[项目名]；
三、最后列出五处你不确定的地方，说明原因。
不要总结，不要润色，不要删掉口语词。

预期产出：三份带时间轴和发言人标记的逐字稿。

第 3 步 · 校人名、产品名和术语

这一步最花时间。我跑下来发现，三家错的位置高度重合，基本都堆在人名、产品名和口语吞音这三个地方。

把逐字稿整段丢给 AI，让它只找「听起来像、写出来不对」的词，不许动句子结构。

下面是一份会议逐字稿，说话人用「发言人1」到「发言人3」表示。
请你只做一件事：找出可能是音近错字的地方。
输出格式：三列，分别是「原文片段」「建议改法」「判断依据（同音、行业惯用、上下文搭配）」。
要求：
1. 不要重写句子，不要润色，不要调整顺序；
2. 人名一律用「张一」「李二」「王三」这类化名，遇到疑似真实姓名只标注「需人工确认」；
3. 拿不准的不要硬改，直接列出来让我自己听；
4. 最多列 15 条，按把握程度从高到低排。

预期产出：一份错误候选清单，逐条对着录音核实一遍。

第 4 步 · 单独盯说话人分离

这一步最容易被跳过。逐字稿读着通顺，不代表人对得上，抢话、笑声、短促附和这几处特别容易串。

我习惯把逐字稿转成表格，一行一句，再逐行扫发言人那一列。四十来行的稿子，扫一遍也就几分钟。

把下面这份逐字稿整理成表格，列为：序号、发言人、内容、可疑切换点。
「可疑切换点」的判断依据：
1. 语气突然变化；
2. 出现称呼对方的话；
3. 一句话里出现两个立场相反的表述；
4. 单段超过 40 字却没有任何停顿标记。
最后单独列出所有「可疑切换点」的行号，并说明你怀疑这里原本是两个人说话。
不要修改内容本身。

预期产出：一张带行号的核对表，抢话位置一眼能看出来。

第 5 步 · 汇总成选型结论

三份结果摆在一起，人容易挑花眼。让 AI 按第 1 步定的口径汇总，你只负责最后拍板。

我给你三份同一段录音的转写结果，分别来自工具A、工具B、工具C，对照数据如下：
（把三张表的「人名错误、术语错误、说话人串行、整句漏掉、出稿耗时」原样粘进来）
请按下面结构输出：
1. 一句话结论：哪个工具更适合普通话多人会议，理由不超过 30 字；
2. 三行对比，每家写「强在哪」和「代价是什么」；
3. 如果会议里经常有人抢话，推荐顺序怎么排；
4. 列出这份对比还不能回答的两个问题。
不要推荐付费方案，不要编造我没提供的数据。哪一项我没填，就写「未测」。

预期产出：一段可以直接发到群里说明选型理由的结论。

实测记录

成本这块，我这段录音三家都在免费额度内跑完了，没产生额外支出。各家的免费规则会调整，以页面当时显示的为准。

最容易错的 3 个地方

1. 拿有回声的录音去比，比的是音源质量——先换干净音源再测。
2. 只看错字不看说话人，串行才是返工主因——单列一栏统计。
3. 三家同时开着对比，记不住上一家——一份填完表再看下一份。

可复用的东西

五个提示词可以存成一个文件：第 1 步定口径，第 2 步让工具出干净的逐字稿，第 3 步查错字，第 4 步查发言人，第 5 步汇总。其中第 1、3、4 步跟工具无关，换成任何一家转写服务都能直接用。

核心就三样东西：一张对照表模板、一套查错提示词、一个汇总模板。下次换工具，只需要把工具名字替换掉。

别一次测五家，三家已经够看出差距。你手里的会议录音，是抢话多，还是冷场多？

如果你也经常要做这件事，欢迎在评论区说说你的卡点和做法；也可以留言告诉我，你想看哪个岗位的哪件活怎么用 AI 拆。

admin 普通

收藏 海报 链接