一段会议录音通常还不能直接变成可靠的会议纪要：先要得到逐字稿，再确认谁说了什么，最后才整理决议、负责人和截止时间。本文用本机 FunASR 转写、人工校稿，再让本机 Ollama 中的 Qwen 生成纪要草稿。和已有的《会议录音怎么转成文字稿》侧重转写、字幕交付不同，这篇重点演示如何把核过的逐字稿整理成可复核的会议结果。

先准备一段获准处理的录音

真实会议录音可能包含姓名、联系方式、商业计划或其他个人信息。开始前确认录音来源、处理目的、可访问范围和保存期限，并按组织制度与适用规则核实处理依据及告知要求。《个人信息保护法》要求处理目的明确合理、与目的直接相关，并采取对个人权益影响最小的方式。把模型放在本机可以减少向外部服务发送录音的环节，但不代表自动满足所有隐私和安全要求。《个人信息保护法》

练习包里的原稿是虚构内容。本篇本机实测的音频由 macOS 系统语音合成，不含真人录音；真实录音不应放进公开练习包、代码仓库或未经批准的在线服务。

第一步：本机转出带时间码的逐字稿

FunASR 可以组合中文离线识别、语音活动检测、标点恢复和说话人标签。官方示例使用 AutoModel 加载这些组件。说话人编号只是录音片段里的匿名标签，不是姓名识别；专名热词也只能帮助识别，不能保证姓名和数字正确。FunASR 官方教程

下载会议纪要自动化练习包，准备 Python、PyTorch、torchaudio 和 FunASR。首次运行需要下载模型。进入解压后的目录执行：

python -m pip install torch torchaudio funasr
python meeting_minutes.py transcribe 会议录音.wav --hotwords "公司名,人名,项目名"

脚本在音频旁生成 .transcript.txt 和 .asr.json。前者是带时间码、匿名说话人编号的识别稿；后者记录模型和分段信息。打开逐字稿，对着录音逐句检查：重点核对姓名、日期、金额、否定词、待办负责人和被打断的短句。确认发言人身份后再手工替换标签，不要根据编号猜人名。

第二步：校正逐字稿，再让本地模型整理

不要把未经检查的 ASR 结果直接交给摘要模型。先在 .transcript.txt 里修正识别错误，再写入确认过的负责人和原话。随后安装并启动 Ollama，下载一个本机可用的 Qwen 模型；模型名称以 ollama list 显示为准。Qwen3.8 官方仓库

ollama pull qwen3.8-27b:latest
python meeting_minutes.py summarize 会议录音.transcript.txt --model qwen3.8-27b:latest

若本机模型标签不同，把两个命令里的标签换成实际名称。脚本只连接 127.0.0.1 上的 Ollama 本地生成接口，请求使用 JSON 输出，并在响应后卸载模型；接口参数参见 Ollama API 文档。它会生成 .minutes.json 和 .minutes.md，包含摘要、决议、待办、未决问题和人工核对项。需要压缩模型大小时，可换成自己电脑能运行的较小 Qwen 模型；效果和速度会随模型、量化方式与硬件变化。

第三步：核对纪要草稿，再分发

模型输出不是会议决议，也不是正式记录。拿原录音和经核对的逐字稿检查以下内容：

  1. 决议状态：把已定、暂定、建议和待确认分开；不能把讨论意见改写成批准事项。
  2. 负责人和截止时间：逐项核实姓名、任务、日期和时刻。材料不足时保留“待确认”。
  3. 数字与限制条件：检查金额、数量、预算上限、先决条件和“不做什么”等否定表述。
  4. 证据：摘要和待办都能回到原话；无法找到出处的内容删掉或标为待核实。
  5. 相对日期：像“下周三”“今天下午”这样的说法，先保留原样，等会议日期确认后再换成具体日期。

确认无误后让参会者核对纪要，再按团队规则归档或分发。完整清单在练习包的逐字稿与纪要复核清单.md。

本机实测结果

本机使用 FunASR 1.4.16 的 paraformer-zh、FSMN-VAD、CT-Punc 和 CAM++，在 M1 Max 64GB 上处理一段 52.22 秒的虚构合成录音。模型加载 17.21 秒、识别 6.66 秒，共输出 15 个分段。即使提供店名、人名和业务词热词，仍出现重复词、错字和句子粘连；说话人聚类标签也和练习脚本的角色安排不一致。因此只把原始转写当作校稿起点。

随后把人工校正后的练习稿交给本机 Ollama 的 qwen3.8-27b:latest。模型调用耗时 70.02 秒，输出 3 条决议、3 条待办和 1 个待确认问题；本次草稿保留了暂定日期、预算上限、下单条件、海报不标未定售价等信息。该结果是单次虚构材料演示，不是准确率测试；真实录音仍要逐项回听和确认。本次声音没有人工听审，真人音频、原始识别稿与测试输出都没有放进公开练习包。

练习包包含什么

  • meeting_minutes.py：FunASR 转写与本机 Ollama 纪要整理脚本，按两阶段运行。
  • 虚构会议原稿.md：用于练习的虚构台词。
  • 逐字稿与纪要复核清单.md：转写和纪要核对项。
  • 数据处理核对表.md：录音处理前的权限、保存和删除检查。
  • 模型实测记录.md：本机环境、实测数据和验证边界。

练习包不包含本机录音、ASR 原始输出或模型生成的测试结果。上述材料保存在制作机的 local-only/ 目录。