线上会议结束后，平台会给你一个录像或录音文件，存到云盘或者本地。大多数时候这个文件就这么放着，真要翻某个决策、找某句话，要么重新播放找半天，要么根本找不到了。这篇讲怎么把这种线上会议录音变成真正能用、能存、能查的会议纪要。
线上会议录音有什么特别难处理的地方？
相比线下面对面会议，线上会议的录音有几个额外的麻烦：
网络卡顿导致音频断续。有人说着说着突然"哐"一下声音变成了机械音，或者直接缺了几秒。这种断续在整理的时候最让人头疼——不知道中间缺了什么、断了多少内容。
多路音频混合。不同平台的录音处理方式不一样，有些录出来是各路音频混在一起的，说话人声音大的会把声音小的盖掉；有些虽然是分轨的，但导出之后又合了一轨。拿到文件先要搞清楚音频结构，再决定怎么处理。
背景噪音复杂。远程参会的人在家、在咖啡厅、在会议室，各种环境噪音混进来——敲键盘声、孩子声、空调声、外卖摩托车声。有人开着麦没发言，这些噪音就一直在录音里。
"静音-开麦"的切换留下很多碎片。有人习惯说完一句话立刻静音，造成录音里大量短促的断句；有人发言前忘记开麦，讲了一句没人听见，开麦重说，录音里就有两段内容差不多的话。
视频会议特有的"屏幕共享展示"段落。有时候开会中间有人在演示 PPT 或者操作系统，这段时间主持人可能没有对应旁白，录音里就是一段静默或者背景讨论声，整理时容易把这块处理错。
整理线上会议录音的正确步骤
第一步：确认文件格式和时长。腾讯会议、Zoom、钉钉导出的录音格式不完全相同——腾讯会议可以导出 m4a 或 mp4，Zoom 有分轨音频选项，钉钉直接是 mp4 视频。如果是视频文件，需要先提取音频部分再做后续处理；如果是带字幕的视频，可以看是否直接用内嵌字幕，但平台自动字幕质量良莠不齐，专业词汇错误率很高。
第二步：听一段样本判断音质。开头三到五分钟的段落，能大致代表整场的音质情况。有没有严重断续、有没有几个人同时说话、有没有刺耳的背景噪音，听一遍心里有底。
第三步：决定整理深度。是逐字稿还是摘要？是否分说话人？是否打时间轴？线上会议不涉及正式文档的，摘要加行动项就够了；涉及重要决策、后续需要被审计的，建议做逐字稿存档。
第四步：处理平台自动字幕。不少平台会生成一份自动字幕，但质量不稳定，专有名词、人名、数字容易出错。整理时可以把自动字幕作为参考底稿，但需要逐段核对音频进行修正，不能直接用。
第五步：结构化输出。按议题分段，重点决策单独列，行动项标上责任人和时间，最后整理成一份能发出去的版本。
能帮上什么
可以处理腾讯会议、Zoom、钉钉等平台导出的 mp4、m4a、mp3 等常见格式，提取音频后整理成逐字稿或摘要，按你的要求选择是否分说话人、是否标时间轴，行动项单独列出。如果已有平台生成的自动字幕文件（srt、vtt、txt 等），可以以此为基础进行校对和结构化整理，效率会高一些。
不会帮你做的事：不修改录音里的原话；网络断续或卡顿导致的实际信息缺失，不会帮你"补"内容，会标注缺失位置；平台自动字幕的错误如果来不及全部人工核，会说明哪部分是人工校对的、哪部分仍需你自行复核。
FAQ
Q：钉钉会议的录像文件可以直接发给你们处理吗？
A：可以，mp4 格式直接处理。如果文件太大（超过 1GB），建议先用平台自带的工具压缩或者只截取需要整理的段落，传输会快很多。文件安全性上，建议不要传含有特别敏感内容的完整视频，可以只发音频提取版本。
Q：腾讯会议/Zoom 自带的 AI 会议纪要，和你们的整理有什么区别？
A：平台自带 AI 纪要对行业通用内容识别还不错，但对专有名词、特定公司内部语言、方言口音的处理质量不稳定，也无法按你们的格式要求输出。我们做的是人工介入的精校版本，发现明显错误会修正，输出格式可以按你要求定制，适合对准确度要求更高的场景。
Q：参会人有十几个，说话人全部分清楚现实吗？
A：取决于录音质量和发言频率。发言活跃的几个人通常可以区分，只说了一两句或者声音非常接近的参会者，区分难度大。建议提前提供与会名单，在确认说话人身份时有个参照，能提高区分准确度。