核心难点是未预处理导致漏决策、混发言人、塞静音；需Audacity降噪裁静音导出16kHz WAV，分两轮调用Gemini：先逐字转录（标姓名/术语），再结构化输出纪要与Action Item。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
处理长达一小时的会议录音，核心难点不是模型听不完，而是Gemini在未预处理、未分步执行、未结构约束时，会漏掉关键决策点、混淆张伟和李敏的发言、把37分钟静音当有效内容塞进上下文——这直接导致行动项丢失、责任人错配、截止日模糊。
音频预处理：裁静音+降噪+导出WAV
用Audacity打开原始录音→点击“效果”→“降噪”，先选取0.5秒纯环境噪音段→点击“获取噪声特征”→再全选波形→再次进入“降噪”，勾选“自动匹配降噪强度”→应用。
接着全选波形→点击“效果”→“裁剪静音”，将“阈值”设为-45 dB，“最小长度”设为0.6秒。这一步很关键：【不裁静音会导致模型把37分钟无效空白塞进上下文，直接挤占对真实发言的理解空间】。
导出时选“文件”→“导出”→“导出为WAV”，采样率强制设为16000 Hz，位深度选16位。MP3虽支持，但WAV在Gemini 3.1 Pro中识别准确率平均高11%。
分两轮调用：先转录，再总结
第一轮只做一件事：干净转录。上传预处理后的WAV文件，在输入框粘贴提示词：
请逐字转录这段会议录音，严格按时间顺序排列；每轮发言前标注[张伟]、[李敏]等真实姓名（若上下文可推断）；保留所有技术术语原貌，如“RAG流程”“SOP灰度发布”；不添加解释、不合并重复句、不修正口误。
第二轮必须新建对话窗口（避免上下文污染），把上一轮输出的完整转录文本全部复制粘贴进去，再输入：
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
请基于以上转录内容，生成结构化会议纪要，含：①会议基本信息（时间/主持人/主题）；②议题分组（每个议题下写清各方立场+分歧点）；③决议事项（仅列已拍板结论，标注责任人和明确截止日）；④Action Item列表（格式：[王磊] - 拆分API权限模块 - 6月10日前）；⑤遗留问题（未达成共识项，标★）。
三种直连调用方式（国内免翻）
方法一：网页端直传
访问ai.rsk.cn → 登录 → 选择“Gemini 3.1 Pro”模型 → 点击输入框旁“+”图标上传WAV文件 → 粘贴分步提示词 → 发送。
方法二：安卓端边录边析（适合现场轻量会）
打开Gemini安卓App → 点击底部话筒开始录音 → 录到关键决策点时，暂停→输入：“提取当前已录内容中的所有带‘必须’‘本周内’‘由XX负责’字样的句子”→继续录→结束时再发指令：“整合全部录音内容，输出完整会议纪要，按议题分段，每段标注核心结论”。
方法三：RskAi平台函数调用（需开发对接）
调用/api/v1/chat/completions接口，body中设置"model": "gemini-3.1-pro"，file_id字段传入已上传音频的ID，messages中嵌入结构化system prompt与user指令。注意：单次请求最大支持2GB文件，但实测超45分钟WAV建议分片上传以保稳定性。
交叉校验：锁定时间戳、术语与插话片段
第一步：打开Gemini返回的纪要，定位任意一条Action Item，例如“[陈芳] - 更新测试用例文档 - 6月12日前”。
第二步：回到原始转录文本，用Ctrl+F搜索“测试用例文档”，找到该句出现的上下文段落，确认前后是否有“陈芳”明确承诺、“6月12日”是否被口头说出而非模型臆断。
第三步：对术语如“灰度发布”“LoRA微调”，检查转录原文是否拼写一致；若发现“灰度布署”“Lora微调”，立即在新对话中输入：“请将全文中所有‘布署’统一替换为‘部署’，所有‘Lora’统一替换为‘LoRA’，并校验发音相近词如‘洛拉’‘罗拉’是否误写”。
