LLM API 会议纪要：Python 将转录文本转为摘要

四步流水线

1. 录音并转录。 使用任意语音转文本工具。该 API 仅支持文本，不接受音频。
2. 准备文本。 添加包含会议标题、日期和参会者姓名的标题。如果有说话人标签，会有很大帮助。
3. 调用模型。 发送转录文本，并附带定义所需章节的系统提示词。
4. 存储并分享结果。 保存 JSON，将其渲染为 Markdown 或 HTML，发布到团队阅读的地方。

端点为 POST /v1/chat/completions，位于 https://api.whisperapis.com/v1，模型 ID 为 uncensored，更改 base URL 和密钥后，任何 OpenAI SDK 均可使用。如需先设置语音转文本，快速入门文档涵盖了文本部分，任何兼容 Whisper 的服务器均可提供转录文本。

使用 JSON 模式获取结构化笔记

自由格式的摘要适合阅读，但流水线需要可存储和过滤的字段。通过设置 response_format 为 {"type": "json_object"} 启用 JSON 模式，使模型返回单个 JSON 对象。在系统提示词中描述键，并提及 JSON 一词，因为提示词定义了输出格式。

Copyimport json
from openai import OpenAI

client = OpenAI(base_url="https://api.whisperapis.com/v1", api_key="YOUR_KEY")

SYSTEM = """You write meeting notes from raw transcripts.
Use only what the transcript says. If an owner or a date is not stated, write null.
Reply with a JSON object with the keys: summary (string), decisions (array of strings),
action_items (array of objects with task, owner, due), open_questions (array of strings)."""

transcript = open("standup.txt", encoding="utf-8").read()

resp = client.chat.completions.create(
    model="uncensored",
    messages=[
        {"role": "system", "content": SYSTEM},
        {"role": "user", "content": "Transcript:\n\n" + transcript},
    ],
    response_format={"type": "json_object"},
    temperature=0.2,
)

notes = json.loads(resp.choices[0].message.content)
for item in notes["action_items"]:
    print(item["owner"], "->", item["task"], item["due"])

提示词中的两行起主要作用。“仅使用转录文本中的内容”可防止模型添加看似合理的细节。“如果未提及所有者或日期，请写 null”为其提供了合理的方式表示不知道，这比编造名字更好。较低的温度（如 0.2）可减少运行间的差异，这对于可能两次处理的同一转录文本很有用。

始终进行防御性解析。将 json.loads 包裹在 try 块中，失败时重试一次。失败的请求不收费，单次重试即可修复大多数一次性格式错误。

将结果流式输出给等待的人

如果有人点击按钮并等待笔记，请显示实时到达的文本。将 stream 设置为 true，API 会发送服务端推送事件；用量包含在流末尾。

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.whisperapis.com/v1", api_key="YOUR_KEY")
transcript = open("standup.txt", encoding="utf-8").read()

stream = client.chat.completions.create(
    model="uncensored",
    messages=[
        {"role": "system", "content": "Write concise meeting notes in Markdown with headings: Summary, Decisions, Actions."},
        {"role": "user", "content": transcript},
    ],
    stream=True,
    temperature=0.3,
)

for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

流式输出有一个操作细节：流式请求会占用并发槽位，直到流结束。完整密钥允许同时处理 8 个，试用密钥允许 2 个。如果浏览器标签页关闭而服务器继续读取，该槽位将保持忙碌，因此当客户端断开连接时取消上游请求。

对于无人值守的批处理任务，跳过流式输出。普通请求更简单，你可以一次性获得整个答案对象。

长会议与 100k 窗口

上下文窗口为 100,000 token，包含提示词和回复。一小时会议大约 9,000 个单词，或约 12,000 token，因此即使是一整天的研讨会也能在一次请求中完成。这消除了通常的分治和归并设计，即拆分转录文本、分别总结各部分，然后总结这些摘要。该设计的每次传递都会丢失细节，第 5 分钟做出的决定和第 50 分钟的修订很容易报告错误。

发送前仍请检查大小。粗略检查方法是英文文本字符数除以四。如果接近限制，有两个清晰的选项：

• 在自然断点（如议程项）处拆分，分别总结，然后将部分笔记传递给最终调用以合并它们。
• 删除无关内容，例如会议开始前的长时间闲聊。

最大请求体为 8 MB，这对文本来说不是实际限制。提示词不用于训练，如果录音包含内部计划或客户名称，这一点很重要。

改变输出的提示词细节

说明笔记是给谁的

"给错过会议的工程师的笔记" 与 "给执行团队的一段更新" 获得的细节不同。将读者写入系统提示词。

提供参会者名单

语音转文本经常混淆姓名。例如“参会人员：Priya Nair（产品经理），Tom Ortiz（后端），Lena Fischer（设计）”这样的文本行，可以让模型修复转录文本中“Tom Ortis”的错误，并将任务分配给正确的人。

分别请求决策和行动

决策是群体达成一致的事项。行动是一个人将要做的事情。当两者列在同一列表中时，读者会跳过它。分离键名使区别明确，模型会一致地遵循。

保留敏感内容

真实会议包含直白的语言、对特定人员的抱怨、法律担忧和激烈争论。此模型经过调整，可在合法成人使用中无内容拒绝地回答，因此它会总结所说内容而非拒绝。你仍拥有输出内容，因此在将笔记发送给未在场的人之前请进行审查。

运行一整天的会议

每天录制六场会议的团队可以并行处理它们。使用 8 个并发请求，一次最多发送八个；带有信号量的小型工作池即可完成工作。完整密钥的每分钟限制为 300 个请求，会议流水线不会达到此限制。

Node 的工作方式与 Python 相同。以下是非流式版本：

Copyimport OpenAI from "openai";
import { readFileSync } from "node:fs";

const client = new OpenAI({
  baseURL: "https://api.whisperapis.com/v1",
  apiKey: process.env.API_KEY,
});

const transcript = readFileSync("standup.txt", "utf8");

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [
    { role: "system", content: "Summarize the meeting in five bullets, then list action items with owners." },
    { role: "user", content: transcript },
  ],
  temperature: 0.2,
});

console.log(resp.choices[0].message.content);

如果收到 HTTP 429，请读取错误代码。concurrency 表示同时请求过多，请降低池大小。rate_limited 表示每分钟请求过多。带有 Retry-After: 5 标头的 429 表示临时过载；等待五秒后重试。

在信任笔记之前进行检查

生成的笔记即使内容错误也读起来很笃定，因此请在管道中加入几个低成本检查，而不是依赖人工发现错误。

• 引用检查。 为每个行动项请求简短的支持引用，然后在转录文本中搜索它。未出现的引用表明该条目是编造的。
• 负责人检查。 将每个负责人与参会者名单进行比较，并标记不在名单上的名字。
• 空值检查。 没有决策的会议是可能的，但 40 分钟转录文本的结果如果所有数组都为空，通常意味着输入被截断或文件选错。
• 长度检查。 长度超过转录文本约五分之一的笔记不是合格的笔记；收紧提示词或设置 max_tokens。

在每个保存结果旁边记录 X-Request-Id 响应标头。当某人指出行动项错误时，该标识符可让你找到请求并与转录文本进行比较。将原始转录文本保存在笔记旁边成本很低，并能迅速解决大多数争议。

成本和首次测试

价格为每百万输入 token $0.15，每百万输出 token $0.50。一场时长一小时、转录文本为 12,000 token、笔记为 800 token 的会议，输入成本为 $0.0018，输出成本为 $0.0004，总计 $0.0022。按此费率，$1 可覆盖约 454 场此类会议。查看 定价页面 了解充值，最低充值金额为 $20，可通过信用卡或加密货币支付。

要试用，请注册并打开 API 密钥页面。每人可进行一次 $0.50 的一键试用，有效期 7 天，无需信用卡。在真实转录文本上运行上述 Python 脚本，读取 JSON，并调整提示词，直到行动项与会议实际情况相符。然后循环处理其余部分。

更多指南

• Whisper API 服务器：设置选项和文本步骤
• Whisper API 定价：文本步骤增加了什么
• Midjourney API：故障排除与替代方案