扣子平台可零代码实现音频转文字及结构化提炼：先启用Whisper插件并配置文件输入节点，再通过大模型节点用固定格式或JSON输出结论、待办事项和决策点，最后添加校验、错误处理与文本清洗机制确保稳定性。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要把会议录音、访谈音频或播客文件上传后，自动转成文字并提炼出关键结论、待办事项和决策点，而不是手动听写再整理——扣子（Coze）平台能用零代码方式实现这个流程，前提是正确配置语音识别与文本结构化两个核心模块。
准备音频输入与转录基础能力
第一步：在扣子 Bot 设置页 →「插件」→ 点击「+ 添加插件」→ 搜索并启用「Whisper Audio Transcription」插件。该插件调用 OpenAI Whisper 模型，支持 MP3/WAV/M4A 格式，【单次上传音频时长不能超过 25 分钟】，超时会静默失败且不报错。
第二步：回到 Bot 编辑页 →「工作流」→ 新建节点 → 选择「用户输入」→ 类型设为「文件」→ 允许格式勾选 mp3、wav、m4a。这一步必须做，否则用户无法上传音频文件。
第三步：添加「插件节点」→ 选择刚启用的 Whisper 插件 → 将上一节点的「文件」输出拖入插件的「audio_file」输入槽。注意：不要手动填 URL 或 Base64，插件只认扣子原生文件对象。
设计会议要点结构化提取逻辑
方法一：用内置大模型节点直接解析
在 Whisper 转录节点后接一个「大模型」节点 → 模型选「Qwen-2.5-72B」或「GLM-4-Flash」（响应快、中文强）→ 系统提示词写：「你是一名专业会议秘书。请严格按以下格式输出：【结论】：……；【待办事项】：1. …… 2. ……；【决策点】：……。禁止添加解释性语句，禁止使用项目符号以外的任何标记。」
用户原始音频转出的文字会自动流入此节点，模型将原文压缩为三段式结构。这一步操作起来很简单，直接把 Whisper 的「transcript」字段连过去就行。
方法二：用结构化 JSON 指令提升稳定性
在大模型节点中，把系统提示词改为：「输出必须是合法 JSON，字段固定为 conclusion（字符串）、action_items（字符串数组）、decisions（字符串数组）。不加任何说明文字，不加 markdown，不加```json```包裹。」
然后在后续节点用「JSON 解析」插件提取字段，再分别映射到 Bot 回复的不同段落。这样能避免模型自由发挥导致格式错乱，尤其适合对接企业微信或飞书机器人场景。
配置多格式兼容与错误兜底机制
第一步：在用户输入文件节点开启「文件类型校验」→ 设置「不支持类型提示语」为“请上传 mp3、wav 或 m4a 格式音频”。
第二步：在 Whisper 插件节点后加一个「条件分支」→ 判断「transcript」是否为空 → 若为空，则走「失败路径」→ 发送固定回复：“音频可能过长、静音过多或格式损坏，请检查后重试。”
第三步：为防止 Whisper 对方言/多人混音识别不准，在大模型节点前插入一个「文本清洗」节点 → 使用正则替换掉连续空行和异常符号（如\u200b\u200c），【清洗前务必保留换行符，否则模型会丢失说话人分段信息】。
第四步：发布前，在 Bot 测试窗上传一段含背景音乐的 Zoom 录音（MP4 转成 M4A 后测试），确认转录结果无大面积乱码，且待办事项能准确提取出“张三周五前提交方案”这类带责任人和时间节点的条目。
