寫作、辦公與學習
進階
寫作、辦公與學習

會議錄音變紀錄與待辦:本地轉文字、整理決議、追蹤負責人

用 Whisper 在自己電腦把錄音轉成逐字稿,再請 AI 整理決議、負責人與期限,機密會議也能安心使用。
45 分鐘
6 步
免費(本地運算),文字整理可用免費版 AI
編
AI 有解編輯部
最後更新 2026 年 11 月 5 日・CC BY 4.0
用到的工具
faster-whisper
Python
ChatGPT
Claude
Ollama
會議紀錄最花時間的是聽打,最容易漏掉的是「誰要在什麼時候做什麼」。這篇把兩件事拆開處理:語音轉文字在自己的電腦完成,整理工作交給 AI。
你需要準備
•
一段會議錄音,例如 m4a、mp3 或 wav
•
Python,可以看〈零基礎寫程式環境:VS Code、Git、Node.js、Python 一次裝好〉
•
一台還算新的電腦,有獨立顯卡會快很多
進度 0/6
1

先取得同意

錄音前要告訴所有與會者,包含線上會議。討論機密、人事或法律事項時,先確認公司規定允許錄音。
如果公司已經有 Teams、Google Meet 或 Zoom 的會議摘要功能,且合約允許,優先用公司核准的工具。
2

安裝語音轉文字工具

終端機
python -m venv whisper-env # Windows:whisper-env\Scripts\activate # macOS / Linux:source whisper-env/bin/activate pip install faster-whisper "av==15.1.0"
小技巧
我們在 2026 年 11 月實測,最新版的 av 19 會讓 faster-whisper 1.2.1 開檔失敗,固定成 av 15.1.0 就正常。之後的版本可能已修復。
3

轉成逐字稿

建立 transcribe.py:
Python
from faster_whisper import WhisperModel model = WhisperModel("medium", compute_type="int8") segments, info = model.transcribe("meeting.m4a", language="zh", vad_filter=True) with open("meeting.txt", "w", encoding="utf-8") as f: for s in segments: f.write(f"[{s.start:.0f}s] {s.text}\n") print("完成", info.duration)
終端機
python transcribe.py
第一次執行會下載模型。tiny 最快但錯字多,medium 比較平衡,電腦夠力可以試 large-v3。一個小時的會議在沒有顯卡的電腦上,可能要跑幾十分鐘。
Whisper 輸出的中文可能是簡體,或把專有名詞聽錯,下一步一起修正。
4

修正逐字稿

文字
以下是會議逐字稿,由語音辨識產生,可能有錯字。 請改成繁體中文(台灣用語),修正明顯的同音錯字,不要改變原意。 專有名詞:ERP、MES、阿里山專案、小陳、Amy。 聽不清楚的地方標示 [不清楚],不要自行補上。
5

整理決議和待辦

文字
請把逐字稿整理成會議紀錄: 1. 會議重點(5 點以內) 2. 已決定的事項 3. 待辦事項表格:事項、負責人、期限、狀態 4. 還沒有結論的問題 只寫逐字稿裡真的提到的內容。 負責人或期限沒有明講時,寫「未指定」,不要推測。
機密會議可以把這一步改到本地模型,做法在〈在自己電腦跑 AI:Ollama 安裝、選模型、硬體需求〉。
6

寄出前由人確認

會議主持人要看過一次,特別是負責人和數字。語音辨識常把人名和金額聽錯。確認後再把待辦放進團隊的工具,下次開會先檢查上次的待辦完成沒有。
注意
不要把含有客戶資料、薪資或未公開財務資訊的逐字稿貼到個人版的 AI 帳號。
你照著做成功了嗎?
成為第一個回報的人。你的回報會決定攻略排序與作者分潤。
下一步
•
想把信件和簡報也一起處理,看〈AI 辦公三件事:會議紀錄、Email、簡報大綱〉。
•
想把會議紀錄做成可以提問的知識庫,看〈讓本地 AI 讀你的文件:RAG 知識庫入門〉。
收錄在學習路線
廣告版位
想讓正在用 AI 的人看到你的產品?了解廣告合作
問與答
卡住的地方、補充的做法都可以留在這裡
還沒有人留言。
更多「寫作、辦公與學習」攻略