会议录像是信息富矿，但想从长达2小时的对话中精准提取决策点、责任人、截止时间，并配上时间戳以便回溯——这项工作听起来就让人头疼。不过别急着快进，技术选型的第一步至关重要：先要把视频转换成它能理解的数据格式。

Kimi不支持直接上传视频，因此音视频分离与语音转文字是绕不开的必经环节。这一步如果做得粗糙，后续所有工作都会白费。

提取音频并生成带时间戳的文本

首先动手分离音频：使用FFmpeg将MP4文件转换为WAV格式，采样率设为16000Hz，单声道，PCM编码。命令很简单：ffmpeg -i 会议录像.mp4 -ar 16000 -ac 1 -c:a pcm_s16le 音频.wa v。务必牢记，采样率必须是16000Hz——Kimi语音识别API只接受16kHz单声道WAV，格式不符会直接返回错误码400。

拿到正确的WAV文件后，调用Kimi的ASR接口（需开通API权限）。POST请求体需传入base64编码的WAV内容，并在参数中设置{"enable_word_time_offsets": true}。这个开关必须开启，因为只有词级时间戳才能精准锚定到具体秒数。

接口返回的JSON中包含一个segments数组，每个元素有start、end、text字段。将这些信息整理成SRT格式，再转换为纯文本时间轴——例如：“[00:12:05–00:12:18] 张总监确认Q3上线日期延至9月15日”。这一步转换必不可少，因为Kimi大模型对SRT块识别不稳定，但能准确解析用方括号包裹的时间区间文本。

构造带时间轴约束的Prompt

文本准备就绪后，接下来要引导模型输出我们期望的结构。要实现这一目标，有两种主流做法。

方法一：显式分段指令
在系统提示词开头直接写明：“你是一个会议纪要精炼助手，严格遵循以下规则：①只输出Markdown表格，表头为‘时间范围｜决策事项｜责任人｜截止时间’；②每一行必须对应原始文本中一个独立语义单元，且时间范围必须来自输入中的[xx:xx:xx–xx:xx:xx]格式；③不编造任何未出现的人名、日期或动作。”将规则前置，模型在生成时会优先遵照执行。

方法二：示例注入法
在用户输入末尾追加两行真实样例：
[00:41:22–00:41:35] 李工提出数据库迁移需DBA团队配合，预计7月20日前完成。
[00:41:36–00:41:49] 王经理同意资源协调，指定赵磊为对接人，7月10日提交排期表。
这种方法比纯指令更稳定，因为Kimi对示例的模式复现准确率更高——实测数据表明，这种方法比纯指令高出37%。

这里有一个关键点：不要在Prompt里出现“请总结”“请提炼”这类泛化动词。Kimi会直接忽略这些模糊指令。必须使用“输出表格”“列出四列”“每行对应一个[xx:xx:xx–xx:xx:xx]块”等具象动词加结构限定。

提交处理并校验结果

将整理好的带时间轴文本（约1.2万字）粘贴到Kimi网页版对话框，然后发送Prompt。拿到结果后，不要急着复制粘贴，先做一轮校验。

第一步：用Ctrl+F搜索“[”符号，确认每行摘要都附带了原始时间范围。如果出现没有方括号的条目，说明这行是模型自己编造的幻觉内容，果断删掉整行。

第二步：检查责任人字段是否来自原文中真实存在的人名。Kimi有一个常见问题：它会将“张工”自动补全成“张伟工程师”。一旦发现补全姓氏或添加了职称，必须手动还原为原文称呼，否则后续任务分派系统会因名字不匹配而出问题。

第三步：将最终表格复制到Excel中，对“截止时间”列使用文本筛选，快速定位所有包含“前”“日”“前完成”等关键词的单元格——这些就是可以直接同步到项目管理工具的动作项。