四小時會議錄音點轉寫：分段、接駁同斷點續傳實務

四小時上限，大部分人第一次見到都會問：「咁六個鐘嘅錄音點算？」

答案唔係壓縮。壓縮救檔案大小，救唔到「中途失敗要重做」呢個問題。

長錄音真正嘅難關有三個：上載會斷、處理會失敗、接駁會重複。

本文講清楚三條路線、分段嘅實際切法、接駁去重規則，同一個可以斷點續傳嘅狀態表。

重點摘要

• 同步路線有兩個上限：單檔 4.5 MB、時長 8 分鐘。超過就要改走非同步。
• 非同步路線接受 200 MB 或 4 小時，二選一先到先限。
• 就算未超上限，超過 30 分鐘都建議分段：失敗只需重跑一段。
• 接駁位要留 5 至 10 秒重疊，去重規則係「保留後段重疊區之後嘅字」。
• 成本按音頻秒數計，四小時會議約 HK$3.20；失敗重跑唔會重複收費。

三條路線：同步、非同步、自己分段

先分清三條路線，唔好混。

三條路線用同一個費率，差別在流程同失敗代價。

同步轉寫 係指在同一個請求入面等結果，適合短音檔。斷點續傳 係指失敗之後只重做未完成嘅段落，唔使整條重來。

同步路線嘅好處係即時拿到文字。壞處係你嘅連線一斷，整段要重來。

非同步路線係先回一個任務編號，之後你自己輪詢狀態。呢個做法適合長檔。

但非同步都有一條界：4 小時或者 200 MB。

超過就要自己分段。分段唔係次等方案，係長檔嘅正常做法。

先計一條數：你嘅檔案有幾大

位元率 係指每秒音頻佔幾多 bit。位元率乘時長，就係檔案大小。

公式好簡單：大小（MB）≈ 位元率（kbps）× 秒數 ÷ 8 ÷ 1000。

用同一條四小時錄音做例：

原始 WAV 一定超 200 MB。呢個就係大部分人卡住嘅第一步。

壓縮方法同參數，音檔壓縮上載指南 已經寫得好詳細，本文唔重複。

點解未超上限都要分段

【獨家觀察】 長檔嘅成本唔在費率，在「重做」。一段 4 小時錄音跑到九成失敗，你損失嘅係四小時錄音嘅處理時間，加一次重新上載。

三個實際理由：

1. 失敗範圍可控。一段 15 分鐘出錯，重跑 15 分鐘，唔係四小時。
2. 上載可以並行。四條 15 分鐘嘅檔案，比一條四小時快上載完。
3. 校對有段落感。校對員可以按段落認領，唔使由頭讀到尾。

例如一場六小時嘅全日培訓，切成 24 段之後，其中三段失敗，你只需要重跑三段。

如果係一條六小時檔案，你要由頭再嚟。

分段切喺邊：靜音位、留重疊

切點唔可以隨便揀。切喺說話中間，第一個字會斷。

實際做法係用靜音偵測找切點。命令列工具 ffmpeg 有 silencedetect 濾鏡，可以列出靜音區間（ffmpeg 濾鏡文件，2026-10-31）。

切出嚟嘅段落用 -ss 同 -t 兩個參數裁切（ffmpeg 主文件，2026-10-31）。

參數建議：

• 靜音門檻設 -35 dB 左右，避開冷氣聲。
• 最短靜音長度設 0.5 秒，太短會切得太碎。
• 每段目標 10 至 20 分鐘，唔好超過 25 分鐘。
• 前後各留 5 至 10 秒重疊。

重疊係必要嘅。無重疊，接駁位一定有半句話唔見。

有重疊，代價係接駁位會出現重複字。重複可以程式去重，缺失唔可以。

接駁去重：保留後段重疊之後嘅字

去重規則要寫死，唔好靠感覺。

最簡單嘅規則：每段記錄自己嘅起始秒數。接駁時，只保留「上一段結束時間」之後嘅文字。

實際做法分三種情況：

• 如果後段開頭同前段結尾有完全相同嘅句子，刪走後段嗰句。
• 如果兩段文字部分重疊，以較長匹配為準，保留一次。
• 如果完全接唔上，標記為「待核」，唔好靜靜補字。

第三種情況最常被忽略。接駁失敗唔會報錯，只會少一句。

所以每次接駁之後，要抽三段出嚟對原音。

上載：兩個進場方式

非同步任務有兩個進場方式。

第一個係直接上載檔案，上限 4.5 MB。呢個適合已壓縮嘅短段。

第二個係俾一條 https 音檔網址，由系統自己下載。呢個繞過 4.5 MB，上限 200 MB。

用網址進場有三個條件：必須 https、必須公開可讀、私網位址會被拒。

呢個設計係防 SSRF。你唔可以叫平台去讀你內網嘅檔案。

上載之後，任務會回一個編號，狀態由 queued 開始。之後你自己輪詢。

同類平台嘅提交同輪詢模式可以互相參照，例如 AssemblyAI 嘅非同步轉寫文件（2026-10-31 查閱）。

斷點續傳：寫一張狀態表

長檔流程一定要有狀態表。唔係「跑到邊算邊」，係「邊段完成、邊段要重跑」。

最低限度要有五個欄位：

流程係：提交 → 寫入 job_id → 輪詢 → 更新 status → 完成後寫 text_path。

失敗嘅段落，只重設 status 同重提該段。其他段落唔動。

呢個做法嘅好處係：你可以隨時停，第二日再續。

成本：四小時會議大約 HK$3.20

費率係每音頻小時 HK$0.80，按秒計，只扣成功。

四小時等於 HK$3.20。六小時等於 HK$4.80。

失敗嘅任務唔收費。所以重跑嘅成本主要係時間，唔係錢。

但時間有價。一段四小時錄音重跑一次，可能要用你半日。

【獨家分析】 分段嘅真正價值唔係省錢，係把「不可預測嘅等待」變成「可預測嘅工作量」。同一條錄音，分段與否嘅費用一樣，但交付時間差幾倍。

分段嘅價值就喺呢度：把「半日」變成「十五分鐘」。

接駁之後：時間碼要自己建

我哋嘅轉寫輸出只有 json 同 text，冇 SRT、冇逐句時間戳。

所以如果你要「某句話喺第幾分鐘」，要自己建。

做法係用段偏移：第幾段嘅起始秒數，加段內估算位置。

段內位置可以用字數比例估：該段總字數除總秒數，再乘累計字數。

呢個估算誤差會有，通常在一句之內。要精確時間碼，就要另一套工具。

保存同刪除

轉寫結果保留 90 日，之後由每日清理程序移除。

你可以逐條刪除，刪除即時生效，30 日內徹底清除。

刪除係先刪紀錄、後刪音檔。呢個次序係刻意嘅：寧願短暫留下孤兒檔案，都唔可以留下「有紀錄、冇檔案」嘅假完成狀態。

會議錄音嘅保存政策，要同你嘅內部規則對齊。相關實務見 會議錄音同意與保留；委外合約條款見 轉寫委外合約八條。

常見問題

四小時以下就一定唔使分段？

唔一定。四小時係平台上限，唔係建議值。超過 30 分鐘就應該考慮分段，原因係失敗代價。

分段會唔會令準確度變差？

切喺靜音位、留重疊，準確度唔會明顯變差。切喺說話中間才會。長句被切斷係最常見嘅錯誤來源。

可以用同一條網址重複提交嗎？

可以，但你要自己記錄任務編號。同一個檔案重複提交，會產生兩個任務，各自計費。

點知邊段失敗？

輪詢狀態會回 failed，並附錯誤訊息。把錯誤訊息寫入狀態表，之後按類型決定重試或改參數。

冇時間戳，點做字幕？

要另做強制對齊。轉寫 API 唔會回時間碼，呢個係已知限制，唔係設定問題。

關於呢篇文

本文由港嘢內容團隊整理，上限同費率數字取自公開 API 文件，查閱日期 2026-10-31。流程部分基於我哋處理長會議錄音嘅實務經驗。想睇 API 規格點比較，讀 廣東話 ASR API 選型五個規格位；想睇會議記錄成品點做，讀 中英夾雜會議記錄 AI。有問題歡迎 聯絡我們，公司背景見 關於港嘢。

資料來源：港嘢公開 API 文件（同步 4.5 MB／8 分鐘、非同步 200 MB／4 小時、按秒計費、90 日保留）；ffmpeg silencedetect 濾鏡文件（靜音偵測參數）；Whisper 論文（arXiv 2212.04356，長音檔以固定窗口切段的原始設計）；錄音轉逐字稿實務流程；上載錄音轉文字教學。本文由港嘢內容團隊編輯及覆核。