多数人处理长视频的方式是拖进度条、凭印象记,或者直接丢给转写工具生成一整段没有分段的文字。这样得到的文本看似完整,实际上无法定位、无法检索,回头找某个论点仍要重看一遍。问题不在工具,而在流程:转写、切分、索引是三个独立动作,混在一起做必然失控。

先分段转写,不要一次性转完

判断:一次转写两小时音频,错误会累积,且中途出错要全部重来。

做法:按 10 到 20 分钟切片,逐段转写,每段保留原始起止时间。切片点选在停顿处,避免切断句子。每段输出后立刻核对开头和结尾几句,确认没有丢字或串行。文件名统一为「序号_起始时间」,方便后续合并。

章节切分看话题转移,不看时长

判断:按固定时长切章节,会把一个论点劈成两半。

做法:通读转写稿,标记话题发生转移的位置,通常是出现「接下来」「另一个问题」「回到刚才」这类信号词,或说话人明显换了一个主题。每个章节给一个动词开头的短标题,控制在 12 字以内。章节之间允许长度不均,宁可一章 3 分钟、一章 15 分钟,也不要为了整齐强行对齐。

关键论点索引要带时间戳和原话

判断:只写摘要的索引无法回溯,等于二次丢失信息。

做法:每个章节下提取 2 到 4 条论点,每条包含三项:时间戳、一句话概括、一句原文摘录。原文摘录保留说话人的措辞,不要改写,它是你日后判断概括是否准确的依据。索引条目按时间顺序排列,不按重要性排序。

让模型做这一步时,用固定格式约束输出,可以减少自由发挥:

你是转写稿整理助手。输入是一段带时间戳的转写文本。
请完成三件事:
1. 按话题转移切分章节,每章给出动词开头的标题(不超过12字)和起止时间戳。
2. 每章提取2-4条关键论点,每条格式为:
   [时间戳] 概括(不超过25字)|原文摘录(照抄,不改写)
3. 不要补充转写稿中没有的内容,不要评价观点对错。
输出用纯文本,章节之间空一行。

合并后做一次反向校验

判断:索引是否可用,取决于能否只靠它定位回原视频。

做法:随机抽三条索引,只凭时间戳和概括去原视频对应位置核对,看是否讲的是同一件事。若对不上,说明章节切分或时间戳记录有偏差,回到对应片段修正。另外检查全文是否出现重复论点,重复项合并并保留最早的时间戳。

什么情况下这套做法不适用

视频本身结构松散、话题反复跳跃时,章节切分会变得主观,索引价值下降,此时不如只做逐段转写加全文搜索。时长低于 15 分钟的视频,直接通读转写稿比建索引更快。多人自由讨论、发言频繁交错的场景,转写本身难以区分说话人,时间戳索引会误导定位,需要先解决说话人分离问题。另外,如果目的只是快速了解大意,看摘要即可,不必走完整流程。