需借助Whisper Desktop将音频转文字，再用ChatGPT结构化处理并校对字幕：① Whisper导出带时间戳的SRT/TXT；② ChatGPT批量生成摘要、要点、关键词；③ 校正SRT断句与错字；④ VS Code自动命名合并文件。
☞☞☞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☜☜☜
你需要把几十期播客或多个视频的音频文件统一转成文字、提取重点、生成字幕，但又不想手动逐个上传、反复粘贴、重复操作——ChatGPT 本身不支持直接上传音频文件，必须借助外部工具链完成音频→文本→结构化处理的闭环。
第一步：把音频变成可读文本（绕过ChatGPT上传限制）
打开 Whisper Desktop（开源免费，离线运行，支持 MP3/WAV/M4A），拖入你的播客音频文件夹→点击“Transcribe”→选择语言（中文选“zh”）→勾选“Add timestamps”→导出为 SRT 或 TXT。这一步不能跳过，【ChatGPT无法直接读取音频文件，所有后续操作都依赖这个纯文本输入】。如果用在线版 Whisper API，注意单次上传上限通常为 25MB，大文件需先切片。
第二步：批量喂给ChatGPT做结构化处理
方法一：用 ChatGPT 的“文件上传”功能（仅限 Plus 用户）
将上一步生成的多个 TXT 文件（每期播客一个）一次性拖进对话框→输入指令：“请为每个文件生成三部分内容：① 300字以内摘要；② 按时间戳分段的要点列表（每段不超过2行）；③ 提取5个关键词。输出格式严格按：【文件名】→ 摘要 → 要点 → 关键词。”
注意：一次最多传10个文件，超量需分批。
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...”。
方法二：零门槛批量（适合普通用户）
把所有 TXT 内容复制进 Excel，B列粘贴原文，A列填对应播客标题；用公式 =CONCATENATE("【",A2,"】\n",B2) 合并成一条长文本；分段粘贴到 ChatGPT（每次≤8000字符）→指令写清楚：“你正在处理第X段，共Y段，请只输出本段结果，不要复述问题、不要加说明”。
第三步：生成标准字幕文件（SRT格式）
第一步导出的 SRT 已含时间轴，但常有断句不准、错字多的问题。把原始 SRT 内容粘贴进 ChatGPT，输入：“你是一个专业字幕校对员。请修正以下 SRT 字幕：① 合并过短的句子（时长＜1.2秒的合并到前/后句）；② 拆分超长句（＞12字且含逗号/顿号）；③ 修正同音错字（如‘权利’→‘权力’、‘形事’→‘行事’）；④ 保持原有时间码不变。只输出修正后的 SRT 内容，不加任何解释。”
这一步必须人工抽检前3条和最后3条时间码是否错位，【一旦时间轴偏移，整个字幕将不同步，无法挽回】。
第四步：自动合并与命名（省去手动整理）
① 打开 VS Code，安装插件 “Paste CSV as Table”；
② 把 Excel 中整理好的标题+摘要+关键词表复制→在 VS Code 新建文件中右键 “Paste as Table”；
③ 全选表格→Ctrl+Shift+P → 输入 “Sort Lines” → 选择“Sort lines ascending”；
④ 在每行末尾插入制表符，再用正则替换：搜索 \t(.*?), 替换为 _\1.mp3 —— 这样就自动生成了“标题_关键词.mp3”的文件名清单。
