20250206 - AI编程革命：代码的未来，由AI重塑！ - 简单有效的将音频转成各式良好对话文本的方案¶
- 分类:
Clippings - 创建:
2025-02-06 - 标签:
AI, 编程, 音频, 文稿, Gemini, Claude, 整理
简单有效的将音频转成各式良好对话文本的方案¶
摘要 (Summary)¶
这篇文章介绍了如何使用 Google 的 AI Studio 和 Claude AI 整理 Twitter Space 音频的文稿，详细描述了将音频转成文本的步骤、纠正错别字和去掉口癖的方法，以及使用合适的提示词以确保生成高质量的文本。
要点 (Key Facts)¶
- 使用 Google AI Studio 中的 Gemini 1.5 Pro 将音频转成文本。
- 生成的文本需按照发言人整理。
- 使用 Claude AI 进行文本的纠正和整理。
- 提示词中需包含“不要删减内容”的关键字。
正文 (Content)¶
昨天我花了点时间整理了一下 Twitter Space 音频的文稿：《AI编程革命：代码的未来，由AI重塑！》https://baoyu.io/blog/ai-programming-revolution
整个过程很简单有效，不仅把发言人和内容对应上了，还去掉了口癖、纠正了错别字，输出成了阅读友好的Markdown格式。也不要本机运行 Whisper 这样的模型。
前提条件：
- 你能访问 Google 的 AI Studio https://aistudio.google.com/
- 你能使用 Claude AI，其他 AI 模型（ 比如Gemini, GPT-4o, o1 ）也可以，但是效果可能要差一点
第一步：在 Google AI Studio 中用 Gemini 1.5 Pro 将音频转成文本，并且要求按照发言人生成会话。¶
把音频文件上传，并输入提示词，让它生成文本，并对应发言人，提示词参考：
请将下面对 AI 编程的讨论音频转成Transcript，要按照Speaker将音频内容完整整理出来，主要参与人：XXX, YYY, ZZZ, …
如果一次输出不完，就一直输入 continue 让它继续，直到生成完成为止。
第二步：将 Gemini 生成的文稿，发给 Claude，让其纠正错别字，去掉口癖，重新分段。¶
如果内容没有超过 1 小时，一般 Claude 可以一次性处理，如果比较长可能要分成几块来处理。
提示词比较简单，但是一定要加上“不要删减内容”关键字，否则 Claude 可能偷懒给你删减摘要内容：
请把下面的语音转文本对话文稿重新整理，纠正其中错别字，去掉口癖，保持原有对话格式，适当分段，但是不要删减内容：
很长的内容 Claude 无法一次性输出完整，需要不停的输入“continue”继续生成，直到生成完整。
如果有些额外要求也可以加到提示词中，比如把文稿中的 OnePro 统一换成 o1 Pro 等等。
可以看到整理后的结果还是挺不错的：
