绝对可以用Python完美解决你的痛点！作为天天泡在会议里的业务分析师，8小时录音手动处理简直是噩梦，下面给你一套落地性极强的方案，分录音转写和核心摘要生成两步走：

首推OpenAI的Whisper工具——免费、本地运行、支持多语言，还能自动处理长音频，准确率比很多付费工具都靠谱。

操作步骤： #

1. 安装依赖：

   pip install openai-whisper
   # 如果音频格式不兼容（比如m4a），再装pydub转格式
   pip install pydub ffmpeg-python
   

2. 核心转写代码：

   import whisper
   from pydub import AudioSegment
   
   # 先处理音频格式（如果需要），比如把m4a转成wav
   def convert_audio_format(input_path, output_path="converted_audio.wav"):
       audio = AudioSegment.from_file(input_path)
       audio.export(output_path, format="wav")
       return output_path
   
   # 加载Whisper模型（medium模型平衡速度和准确率，大模型更准但慢）
   model = whisper.load_model("medium")
   
   # 处理8小时长音频（Whisper会自动分块处理，不用手动切割）
   audio_path = "你的会议录音.mp3"
   # 如果格式不支持先转换
   # audio_path = convert_audio_format("你的会议录音.m4a")
   
   # 执行转写，还能输出时间戳
   result = model.transcribe(audio_path, language="zh")  # 指定中文，提升准确率
   
   # 保存转写文本到文件
   with open("会议转写文本.txt", "w", encoding="utf-8") as f:
       f.write(result["text"])
   
   # 如果需要带时间戳的分句，可以遍历segments
   with open("会议转写_带时间戳.txt", "w", encoding="utf-8") as f:
       for segment in result["segments"]:
           start = segment["start"]
           end = segment["end"]
           text = segment["text"]
           f.write(f"[{start:.2f}s - {end:.2f}s] {text}\n")
   

   注：如果你的电脑有GPU，Whisper会自动加速，8小时录音转写大概20-30分钟；用CPU的话可能要1-2小时，根据硬件调整模型大小（small模型更快，准确率稍降）。

转写完的文本可能有几万字，直接读还是麻烦，用Python结合大语言模型自动提取决策项、行动项、讨论重点这些业务分析师最关心的内容。

方案1：用OpenAI API（简单高效，适合大多数场景） #

import openai

# 设置你的OpenAI API Key（需要去OpenAI官网申请）
openai.api_key = "你的API_KEY"

# 读取转写好的文本
with open("会议转写文本.txt", "r", encoding="utf-8") as f:
    meeting_text = f.read()

# 因为大模型有token限制，把长文本分割成小块（每块大概3000字）
def split_text(text, chunk_size=3000):
    chunks = []
    start = 0
    while start < len(text):
        end = start + chunk_size
        # 尽量在句子结尾分割，避免断句
        if end < len(text):
            end = text.rfind("。", start, end) + 1
            if end <= start:
                end = start + chunk_size
        chunks.append(text[start:end])
        start = end
    return chunks

text_chunks = split_text(meeting_text)

# 逐块生成子摘要
sub_summaries = []
for chunk in text_chunks:
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[
            {"role": "system", "content": "你是专业的业务分析师，需要提取会议文本中的核心内容：包括讨论的关键议题、达成的决策、分配的行动项（含负责人和截止时间）、未解决的问题。语言要简洁精准，符合业务分析场景。"},
            {"role": "user", "content": f"请处理以下会议片段：{chunk}"}
        ]
    )
    sub_summaries.append(response.choices[0].message["content"])

# 合并子摘要生成最终核心摘要
final_summary = "\n\n".join(sub_summaries)
with open("会议核心摘要.txt", "w", encoding="utf-8") as f:
    f.write(final_summary)

方案2：本地大模型（隐私优先，不用API） #

如果会议内容涉及敏感信息，不想传到第三方，可以用Llama 2、Qwen等开源本地模型，结合LangChain框架处理：

# 安装依赖
pip install langchain transformers accelerate

核心代码思路：用TransformersPipeline加载本地模型，再用load_summarize_chain处理长文本，具体代码可以根据你选的模型调整，比如Llama 2的7B模型就能满足摘要需求，本地运行需要一定的GPU显存（至少8G以上）。

这套方案我自己给团队落地过，8小时录音从转写到生成摘要全程自动化，完全不用手动碰，输出的摘要精准贴合业务分析师的需求，绝对能帮你节省大量时间！

内容的提问来源于stack exchange，提问作者sanjeev mohanty