---
title: "阿拉伯语会议录音转会议纪要：用 API 搭建流水线 | BroadRouter"
description: "把阿拉伯语会议录音变成包含决策和待办事项的会议纪要：转写、清理、用大模型总结成 JSON，再核对人名和日期。"
url: https://broadrouter.com/zh/blog/arabic-meeting-minutes-from-recordings/
lang: zh-Hans
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/arabic-meeting-minutes-from-recordings/)（2026-11-15 更新）。

# 用 API 把阿拉伯语会议录音生成会议纪要

BroadNet Inference 团队 · 阅读约 6 分钟 · 发布于 2026-11-15

要用 API 生成阿拉伯语会议纪要，先用阿拉伯语语音转文字模型转写录音，把长转写文本分段，让大模型以 JSON 输出决策、待办事项和未决问题，再把各段合并。要求模型为每个待办事项引用转写原文，纪要用现代标准阿拉伯语或英语撰写。

## 要点

-   会议纪要其实是两项工作：语音转文字，然后是总结。两个模型分别挑选、分别测试。
-   长会议需要切分两次：切分音频以满足上传限制，切分转写文本以保证总结准确。
-   要求输出 JSON，并为每项决策和待办事项附上转写原文的引用，方便审阅者逐条核对。
-   纯文本转写没有说话人标签。除非录音里明确说出了名字，否则不要让模型猜测任务由谁负责。
-   在 BroadNet 上，转写一小时阿拉伯语音频的费用是 $0.25；纪要由经 BroadNet 阿拉伯语测试的 Qwen3.8 27B 撰写。

**本页内容**

1.  流水线是什么样的？
2.  第 1 步：长时间的阿拉伯语会议怎么转写？
3.  能拿到说话人的名字吗？
4.  第 2 步：为什么要先把转写文本分段再总结？
5.  第 3 步：该用哪个模型撰写纪要？
6.  第 4 步：什么样的提示词能得到可靠的纪要？
7.  第 5 步：怎么把各段合并成一份纪要？
8.  一场会议要花多少钱？
9.  应该避免哪些错误？
10.  什么时候不该用 API 流水线？
11.  BroadNet Inference 处在什么位置

会议纪要看起来是一项任务，其实是两项：把语音变成文字，再把文字变成决策和待办事项。每一步都有自己的失败方式。一个方言词转写错了，就会变成一条错误的待办事项；一个很会总结的模型，照样可能凭空编出一个负责人。本文为阿拉伯语会议搭建这条流水线，并说明检查应该放在哪里。

## 流水线是什么样的？

```text
recording (.m4a, .mp4, .webm)
  → ffmpeg: 16 kHz mono, split at silences
  → speech to text, language=ar, one request per chunk
  → join the transcript, clean obvious noise
  → split the transcript into sections
  → LLM: summary, decisions, action items, open questions (JSON) per section
  → LLM: merge the sections into one set of minutes
  → human review → send
```

本文其余部分逐步讲解。

## 第 1 步：长时间的阿拉伯语会议怎么转写？

用笔记本电脑录的一小时会议，文件通常远远超过上传限制。BroadNet Inference 每个文件接受最大 26,214,400 字节的 WAV 或 MP3，所以要先转换成 16 kHz 单声道，并在静音处切分。[转写超过 25 MB 的长音频](https://broadrouter.com/zh/blog/transcribe-long-audio-files-api/)提供了完整脚本，包括并行请求和按顺序拼接文本。

对阿拉伯语会议来说，有三项设置很重要：

-   **每个分段都传 `language="ar"`。** BroadNet 的文档提醒，否则阿拉伯语可能会以拉丁字母音译的形式返回。
-   **以阿拉伯语为主的会议使用阿拉伯语模型**：`broadnet/cohere-transcribe-arabic`。如果会议主要使用它支持的其他语言，`broadnet/cohere-transcribe` 每分钟 $0.002。
-   **保留原始转写文本。** 审阅时需要它，第 4 步的引用也需要它。

在海湾地区的商务会议中，阿拉伯语夹杂英语是常态。用你们平时的语言混合情况录一段来测试：英文产品名和数字正是容易出错的地方。[阿拉伯语方言语音识别](https://broadrouter.com/zh/blog/arabic-dialect-speech-recognition/)介绍了该重点听什么。

## 能拿到说话人的名字吗？

纯文本转写拿不到。BroadNet 的转写响应是只有一个 `text` 字段的 JSON：没有说话人，也没有时间戳。（如果需要根据分段偏移量生成字幕时间轴，请看[用纯文本 API 生成阿拉伯语字幕](https://broadrouter.com/zh/blog/arabic-subtitles-srt-api/)。）你有三个选择：

| 情况 | 做法 |
| --- | --- |
| 每个人录在单独的音轨或声道上 | 逐条音轨分别转写；音轨本身就告诉你说话人是谁 |
| 双声道通话录音 | 用 ffmpeg 拆分声道，做法同[呼叫中心流水线](https://broadrouter.com/zh/blog/transcribe-call-center-recordings/) |
| 只有一条混合音轨，又需要说话人 | 使用返回[说话人分离](https://broadrouter.com/zh/glossary/diarization/)结果的服务商；[选购指南](https://broadrouter.com/zh/blog/arabic-speech-to-text-api-buyers-guide/)对它们做了比较 |

只有一条混合音轨时，如果有人说出了名字，大模型仍然能找到负责人：“哈立德周四前把报价发过来。”它绝不能做的，是根据上下文猜测负责人。下面的提示词明确禁止这样做。

## 第 2 步：为什么要先把转写文本分段再总结？

有两个原因。第一是上下文：一小时的发言对小模型来说可能太长了。[BroadNet Gemma 4 VL 26B](https://broadrouter.com/zh/models/gemma-4-vl-26b/) 的上下文是 32,768 token，一场长的阿拉伯语会议可能会超出。用[阿拉伯语 token 计数器](https://broadrouter.com/tools/arabic-token-counter/)数一下你的转写文本；正如[阿拉伯语与英语每个词的 token 数](https://broadrouter.com/zh/blog/tokens-per-word-arabic-english/)所示，阿拉伯语每个词通常比英语需要更多 token。

第二是准确性。一项关于长输入的研究发现，模型性能 “significantly degrades when models must access relevant information in the middle of long contexts”（译文：当模型必须使用位于长上下文中间的相关信息时，性能会显著下降）（[Liu 等](https://arxiv.org/abs/2307.03172)）。在 70 分钟会议的第 35 分钟做出的决策，正是这种情况。每 10 到 15 分钟总结一段，然后再合并，能让每一部分都靠近提示词的开头。

在切分音频时用过的同一批静音点上切分，这样每一段都不会从句子中间开始。

## 第 3 步：该用哪个模型撰写纪要？

| 模型 | 上下文 | 撰写纪要相关说明 | 每 1M token 输入 / 输出 |
| --- | --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) | 262,144 | 经 BroadNet 阿拉伯语测试：书面表达流畅，能理解海湾和埃及方言；列明支持结构化输出 | $0.175 / $2.17 |
| [GLM 5.3](https://broadrouter.com/zh/models/glm-5.3/) | 1,048,576 | 列明支持结构化输出；仅文本 | $0.78 / $3.46 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/zh/models/deepseek-v4.1-flash/) | 1,048,576 | 也提供固定价格套餐，每个会话每月 $60，一次一个请求 | $0.175 / $0.52 |

从 Qwen3.8 27B 开始，因为它是 BroadNet 做过阿拉伯语测试的模型。再挑一个模型和它对比，用三场真实会议测试，并请母语者打分。[为阿拉伯语挑选大模型](https://broadrouter.com/zh/blog/choosing-an-llm-for-arabic/)提供了一份评分表。

这三个模型都会先思考再回答，而思考内容计入 `max_tokens`。会议纪要很长，所以要留出几千个 token，否则可见的回答可能会是空的。参见[为什么会这样](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)。

## 第 4 步：什么样的提示词能得到可靠的纪要？

要求输出 JSON，并让模型为每一项引用转写原文。有了引用，审阅者几秒钟就能核对一条待办事项，而不必重读整份转写文本。

```python
import json, os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

SYSTEM = """You write meeting minutes from an Arabic meeting transcript section.
Return JSON only, with these keys:
  "summary": 2-4 sentences in Modern Standard Arabic,
  "decisions": [{"text": ..., "quote": ...}],
  "actions": [{"task": ..., "owner": ..., "due": ..., "quote": ...}],
  "open_questions": [{"text": ..., "quote": ...}]
Rules:
- "quote" is the exact words from the transcript that support the item.
- "owner" is a name only if the transcript says who will do it. Otherwise null.
- "due" only if a date or day is said. Keep it as said, e.g. "الخميس". Otherwise null.
- Keep names, numbers and amounts exactly as in the transcript. Never guess."""

def minutes_for(section):
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=4000,
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": section}])
    return json.loads(r.choices[0].message.content)
```

然后在代码里校验。解析 JSON，检查各个键，并确认每个 `quote` 确实出现在该段文本中。引用不在转写文本里的条目就是模型编造的：删掉或标记出来。如果 JSON 解析失败，带上错误信息重试一次。[JSON mode 与 json\_schema](https://broadrouter.com/zh/blog/structured-output-json-schema/) 展示了一个校验循环；BroadNet 的文档列出 GLM 5.3 和 Qwen3.8 27B 支持结构化输出，但没有写明请求参数，所以依赖它之前先测试。

如果要用英文写纪要，把摘要那一行改成英文，并加上一句：“Keep each quote in the original Arabic.”（每条引用保留阿拉伯语原文。）[阿拉伯语提示词工程](https://broadrouter.com/zh/blog/arabic-prompt-engineering/)一文更深入地介绍了语体、数字写法和混合文字的文本。

## 第 5 步：怎么把各段合并成一份纪要？

在最后一个请求中发送所有分段的结果，让模型：

1.  为整场会议写一份摘要。
2.  合并重复的决策和待办事项。同一个任务常常被提到两次。
3.  保留每一项的引用。
4.  如果后面的分段改变了某个待办事项的负责人或日期，就把它标记为已变更。

合并的输入很小：是各段的 JSON，而不是转写文本。用上面三个模型中的任何一个来合并，都远在其上下文范围之内。

## 一场会议要花多少钱？

| 步骤 | 计费对象 | 价格 |
| --- | --- | --- |
| 转写 | 音频分钟数 | 每分钟 $0.0042，每小时 $0.25 |
| 分段总结 | 输入转写文本 token，输出 JSON | Qwen3.8 27B：每 1M 输入 $0.175，输出 $2.17 |
| 合并 | 少量 JSON 输入和输出 | 同上 |

转写通常是固定的部分。大模型部分取决于转写文本的长度和模型思考了多少。从最初几场真实会议中读取 `prompt_tokens` 和 `completion_tokens`，再用 [LLM API 成本计算器](https://broadrouter.com/tools/llm-api-cost-calculator/)乘出来。[语音转文字成本计算器](https://broadrouter.com/tools/speech-to-text-cost-calculator/)负责音频部分。$5 的初始额度覆盖转写模型，约合 1,190 分钟阿拉伯语音频；Qwen3.8 27B 需要充值。

## 应该避免哪些错误？

-   **用一个提示词总结整场会议。** 中间部分的条目会丢失。
-   **让模型填补空白。** 从没说过的负责人和日期，是 AI 会议纪要中最常见的错误。把 null 设为默认值。
-   **翻译得太早。** 先用阿拉伯语转写和提取，再翻译纪要。先翻译转写文本，会丢掉原话引用。
-   **跳过审阅。** 会议纪要是正式记录。发出之前，应由一位参会者通读一遍。
-   **永久保留录音。** 纪要获批后就删除音频，除非你必须保留。

## 什么时候不该用 API 流水线？

如果你需要会议进行中的实时字幕、从一条混合音轨中得到说话人标签，或者一个团队今天就能用的现成应用，专门的会议产品会更快。有好几款产品提供阿拉伯语会议记录；用你自己的录音比较它们，因为它们页面上的准确率说法只是它们自己的说法。当你希望纪要在自己的系统里、用自己的格式、遵循自己的保留规则时，API 路线才合理。

## BroadNet Inference 处在什么位置

BroadNet 把两半工作放在同一个 OpenAI 兼容密钥上：每分钟 $0.0042 的 BroadNet Transcribe Arabic，以及经过阿拉伯语测试、用来撰写纪要的 Qwen3.8 27B。它的隐私声明说，请求结束后不保留任何提示词、音频、回答或转写文本，这对内部会议很重要。它不返回说话人标签或时间戳，也没有实时转写；如果你需要这些，请使用其他服务商。先从[阿拉伯语语音转文字指南](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)开始，再加上上面的总结步骤。

相关免费工具（英文）

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[Token（词元）](https://broadrouter.com/zh/glossary/token/)

token（词元）是大语言模型读写文本的基本单位：由模型的分词器切分出的一个词、词的一部分、一个标点或一段字节序列。大模型 API 按 token 计数、设定限制，通常也按 token 计费。

[工具调用（tool calling / function calling）](https://broadrouter.com/zh/glossary/tool-calling/)

工具调用（也叫函数调用，function calling）是大模型 API 的一项功能：模型返回一个结构化请求，要求执行开发者定义的某个函数，并附上 JSON 参数。应用执行该函数并把结果发回；模型自己从不执行代码。

[结构化输出（structured output）](https://broadrouter.com/zh/glossary/structured-output/)

结构化输出是大模型 API 的一项功能，它把模型的回复约束为开发者指定的格式（通常是 JSON Schema），让代码能可靠地解析。它比 JSON mode 更严格：JSON mode 只保证输出是合法 JSON，不保证特定结构。

[说话人分离（speaker diarization）](https://broadrouter.com/zh/glossary/diarization/)

说话人分离是把一段录音按说话人切分成片段的任务，回答“谁在何时说话”。它给每段语音打上 SPEAKER\_00 这样的匿名说话人标签，通常与转写文本结合，显示每句话是谁说的。

[语音转文字（speech-to-text）](https://broadrouter.com/zh/glossary/speech-to-text/)

语音转文字，也叫自动语音识别（ASR），是把口语音频转换成书面文字的技术。语音转文字 API 接收音频文件或音频流并返回转写文本，通常按音频分钟计价。准确率用词错误率衡量，会随口音、方言和录音质量变化。

[并发（concurrency）](https://broadrouter.com/zh/glossary/concurrency/)

并发（concurrency）是客户端在同一时刻正在进行中的请求数。大模型 API 往往按密钥或套餐单独限制并发，与每分钟请求数分开计算，因为每个未完成的请求在响应结束前都会占用 GPU 资源。

[大模型包月套餐（flat-rate LLM plan）](https://broadrouter.com/zh/glossary/flat-rate-llm-plan/)

大模型包月套餐（固定价格套餐）是按一个周期（如一个月）收取固定费用、提供大模型 API 使用权的计价方式，不按 token 计费。这类套餐通常会限制别的东西，如并发、速度、模型或使用时间窗口，所以限制条件和价格同样重要。

[JSON 模式（JSON mode）](https://broadrouter.com/zh/glossary/json-mode/)

JSON 模式（JSON mode）是大模型 API 的一项设置，在 OpenAI 风格的 API 中写作 response\_format {"type": "json\_object"}，它让模型的回复成为合法、可解析的 JSON。与使用 JSON Schema 的结构化输出不同，它不保证对象里有哪些键、类型或取值。

## 常见问题

### 怎么从阿拉伯语录音生成会议纪要？

用阿拉伯语语音转文字 API 转写音频，并传入 language=ar。然后把转写文本发给大模型，提示词要求以 JSON 输出简短摘要、决策、带负责人和截止日期的待办事项，以及未决问题。发送之前先审阅结果。

### 会议用阿拉伯语开，纪要能用英文写吗？

可以。先用阿拉伯语转写，再让大模型用英文撰写纪要，同时把人名、数字和引语保持原样。保留阿拉伯语引语，方便双语审阅者核对译文。

### 会议纪要里的方言怎么处理？

转写文本保留方言，因为那就是原话。让大模型用现代标准阿拉伯语撰写纪要，当含义很关键时（例如承诺或拒绝），把方言原词放在引号里保留。

### API 能分辨谁说了什么吗？

只有返回说话人标签时才能。BroadNet 的转写返回的是纯文本。如果每位参会者录在单独的音轨或声道上，就逐条音轨分别转写，这样就知道说话人；否则请使用支持说话人分离的服务商。

### 长会议该用哪个模型来总结？

选一个上下文足够容纳你最长的转写文本、阿拉伯语又好的模型。在 BroadNet 上，Qwen3.8 27B 是经过阿拉伯语测试的模型，上下文为 262,144 token；GLM 5.3 和 DeepSeek V4.1 Flash 支持 1,048,576 token。挑两个模型，用三场真实会议测试。

### 把内部会议发给 API 安全吗？

先查看服务商的数据保留条款。BroadNet 声明请求结束后不保留任何提示词、音频、回答或转写文本。即便如此，也要删掉纪要用不到的内容，比如会上念出的个人电话号码。

## 继续阅读

-   [转写超过 25 MB 的长音频：切分、发送、拼接](https://broadrouter.com/zh/blog/transcribe-long-audio-files-api/)
-   [阿拉伯语语音转文字 API：2026 年怎么选](https://broadrouter.com/zh/blog/arabic-speech-to-text-api-buyers-guide/)
-   [呼叫中心录音怎么转写：一条支持阿拉伯语的流水线](https://broadrouter.com/zh/blog/transcribe-call-center-recordings/)
-   [JSON 模式与 json\_schema：靠得住的结构化输出](https://broadrouter.com/zh/blog/structured-output-json-schema/)
-   [如何选择阿拉伯语大模型 API：该测试什么](https://broadrouter.com/zh/blog/choosing-an-llm-for-arabic/)
-   [阿拉伯语提示词工程：语体、RTL、数字与中英混排](https://broadrouter.com/zh/blog/arabic-prompt-engineering/)
-   [用大模型做阿拉伯语文本摘要：提示词、长度控制与评分](https://broadrouter.com/zh/blog/arabic-text-summarization-llm/)
-   [用语音转文字 API 生成阿拉伯语 SRT 字幕：你需要知道什么](https://broadrouter.com/zh/blog/arabic-subtitles-srt-api/)
-   [用大模型给阿拉伯语加注音符号：提示词、校验与 DER](https://broadrouter.com/zh/blog/arabic-diacritization-llm/)
-   [用大模型做阿拉伯语语法和拼写纠错：实操指南](https://broadrouter.com/zh/blog/arabic-grammar-spelling-correction-llm/)
-   [指南：阿拉伯语语音转文字 API 分步教程](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)
-   [指南：推理模型为什么返回空回答](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-meeting-minutes-from-recordings&utm_content=page-cta) ·

**来源**

-   [BroadNet Inference API 参考：转写字段与纯文本响应、支持结构化输出的模型、思考与 max\_tokens（2026-11-15 查阅）（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-meeting-minutes-from-recordings&utm_content=sources)
-   [BroadNet Inference 价格页面：按分钟价格及 Qwen3.8 27B 的“Tested in Arabic”说明（2026-11-15 查阅）（英文）](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-meeting-minutes-from-recordings&utm_content=sources)
-   [BroadNet 推理隐私声明：不保留提示词、音频或转写文本（2026-11-15 查阅）（英文）](https://www.broadnet.ai/inference-privacy)
-   [Liu 等，Lost in the Middle: How Language Models Use Long Contexts（arXiv 2307.03172；2026-11-15 查阅）](https://arxiv.org/abs/2307.03172)
-   [OpenAI 语音转文字指南：避免在句子中间切分音频（2026-11-15 查阅）](https://developers.openai.com/api/docs/guides/speech-to-text)
