需先用asr工具转写校对音频，再以结构化提示词引导deepseek提取议题、结论、行动项（含责任人与ddl），结合角色标签实现部门归类，最后人工校验决议动词、人名及iso日期。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您使用DeepSeek对会议录音进行语音转文字后，需要高效提炼关键信息并生成结构清晰的会议纪要，则需结合其文本处理特性与人工整理逻辑。以下是具体操作步骤：
一、启用高精度语音转写预处理
DeepSeek本身不直接支持语音输入，需先将会议音频通过专业ASR工具（如Whisper、讯飞听见）转为初稿文本，再导入DeepSeek进行语义分析与摘要。确保原始转写文本已去除重复语气词、修正明显识别错误，以提升后续总结准确率。
1、使用本地部署的Whisper-large-v3模型对MP3/WAV会议录音执行离线转写。
2、人工校对转写稿，重点修正人名、专有名词、数字及技术术语的错别字。
3、将校对后的纯文本按发言时间戳分段，每段前标注发言人缩写（例：[张经理]）。
二、构造结构化提示词引导DeepSeek提炼
向DeepSeek输入时，需用明确指令约束输出格式与内容维度，避免泛泛而谈。提示词应强制要求保留决策项、责任人、截止时间三要素，并剔除寒暄与冗余描述。
1、在提示框中输入：“请根据以下会议记录，严格按以下格式输出：【议题】→【结论】→【行动项（含负责人+DDL）】。禁止添加任何解释性语句。原文：[粘贴校对后文本]”。
2、若原文超长，拆分为≤800字/段的子块，分别提交并手动合并结果。
3、对DeepSeek返回的每条行动项，核查是否含可执行动词+具体对象+明确日期，缺失则重新提示补全。
三、利用角色标签实现自动归类
在原始转写文本中，为每位发言人添加标准化角色标识（如[技术部-李工][财务部-王总监]），可使DeepSeek在总结时自动按部门/职能聚类议题，减少人工分类耗时。
1、用正则表达式批量替换原始文本中的“张伟：”为“[研发部-张伟]：”。
2、在提示词中追加指令：“输出时按【部门】分组，每组下列出该部门关联的全部行动项。”
3、检查DeepSeek输出中是否存在未归属到任一部门的孤立行动项，若有则返回原文定位对应发言人角色标签是否遗漏。
四、人工校验关键信息锚点
DeepSeek可能误判模糊表述中的责任主体或时间节点，需建立三处强制校验点：决议动词（如“同意”“决定”“暂缓”）、人名实体、ISO格式日期（YYYY-MM-DD），确保纪要法律效力。
1、通读DeepSeek生成纪要，用Ctrl+F搜索“同意”“决定”“通过”等决议动词，确认其后紧跟具体事项而非笼统描述。
2、提取所有出现的人名，对照原始记录验证其发言上下文是否确实支撑该行动项。
3、将纪要中所有日期统一改为YYYY-MM-DD格式，删除“下周”“近期”等模糊表述，缺失则回溯原始录音时间戳补录。
