音频摘要
从录音提取重点，而不是逐字记录
将会议、讲座或播客整理成便于阅读的摘要。先根据录音内容选择长度，再决定用段落还是项目符号；需要行动项、定义或决策时，可指定关注重点。分享前仍需核对原录音。
费用: 在可用的免费额度内使用。使用限制详见下方指南。
怎样生成音频摘要
上传一段录音
点击 上传要总结的音频，或把文件拖入预览区。支持最多 200 MB 的 MP3、WAV、M4A、AAC、FLAC、OGG、Opus、WebM 音频，以及 MP4、M4V、MOV、MKV、AVI、WebM、MPEG、OGV 视频。已在其他工具上传的兼容文件可从 文件 选择。
选择长度
在 摘要长度 中选择 100、250、500、1000 或 2000，默认 500。这是给模型的长度目标，不是导出文字的严格上限。
选择排版
在 摘要格式 中选择 段落 或 项目符号。前者适合连贯阅读，后者便于快速查看各项重点。
填写关注重点
需要特定内容时，在 聚焦区域（可选） 输入例如“决策、行动项及负责人”。留空即可生成一般摘要。
生成、核对并下载
点击 生成摘要，预览区的播放器会切换为文字。可用 复制到剪贴板、TXT 或 DOCX 保存；分享前核对人名、数字和会议决策。
各项设置怎样影响摘要
三项设置用于告诉 AI 怎样组织内容。返回的文字不会再按目标长度裁剪或补写，因此实际篇幅会有差异。
- 摘要长度
- 实际选项为 小 - 100、低 - 250、中 - 500、大 - 1000、高 - 2000，默认 500。选择应匹配内容量：以英文讲话每分钟约 130–160 词粗估，5 分钟语音备忘录约有 700 词，100 词摘要通常比 1000 词目标合适。这是篇幅参考，不能直接换算成中文字符数。
- 摘要格式
- 默认 段落，用于报告或邮件中的连贯文字。项目符号 要求按要点列出，便于作为会议笔记，也适合粘贴到任务单或聊天中。
- 聚焦区域（可选）
- 默认空白，可输入简短主题，如“行动项、负责人和截止日期”“定义与考试重点”“价格异议”。关注重点会加入摘要要求，但仍保留提取关键内容的任务，只调整侧重点。
不同录音的起始设置
以下是可手动选择的组合，页面没有对应的预设按钮。
团队会议或电话
选 250 或 500，使用 项目符号，重点填“决策、行动项及负责人”。
讲座或培训
选 1000，使用 段落，重点填“核心概念、定义和例子”，为各个主题保留说明空间。
播客或访谈
先选 500，关注嘉宾的主要观点和建议。页面没有发言者编号开关，可在重点中写出你关注的人物。
语音备忘录
选 100，使用 段落，重点留空。只有几分钟的讲话往往不需要很长的摘要。
录音处理与摘要校对
文件先上传到服务器。FFmpeg 取第一条音轨，转成 16 kHz 单声道 FLAC 并去除元数据；视频画面在这一步舍弃。该音频副本及设置组成的要求发送给 Google Gemini API，目前使用 Gemini 3.5 Flash-Lite。Google 达到限流时，同一请求通过 OpenRouter 交给同一 Gemini 模型。
模型回复后，服务器删除临时 FLAC，并向 Gemini 请求删除其上传副本。原上传文件、摘要文字和 DOCX 按下方的账户保存期限保留。TXT 在浏览器中从页面文字生成。
摘要由语言模型重新组织，不是逐句摘录。录音嘈杂或多人同时讲话时，可能遗漏要点、混合不同人的观点或写错数字。需要核对具体说法时，可对同一文件使用 音频转文字；原录音仍在 文件 中，无需重复上传。
TXT 保留页面显示的原始文字；若模型使用 ** 或 # 等 Markdown 标记，文件中也会保留。DOCX 则把这些标记转换为加粗、标题和列表。
格式、额度与保存期限
- 输入格式
- MP3、WAV、M4A、AAC、FLAC、OGG、Opus、WebM 音频；MP4、M4V、MOV、MKV、AVI、WebM、MPEG/MPG、OGV 视频。
- 使用的声音
- 只取第一条音轨，不使用视频画面。
- 输出
- 页面文字，可下载 summary.txt 或 Word 文档 summary.docx。
- 文件大小
- 最多 200 MB。
- 每次文件数
- 1 个。
- 处理方式
- 服务器用 FFmpeg 准备音频，Google Gemini API 生成摘要。
- 水印
- 无。
- 使用额度
- 有每小时和每日额度，可能按摘要次数或录音总时长计算；达到额度时页面会提示。
- 文件保存
- 访客上传与结果在 48 小时后自动删除，免费账户为 30 天；付费方案可保存更久。
常见问题
音频摘要可以免费使用吗？
可以，无需账户或付费即可生成摘要。每次任务都会调用 AI，因此有每小时和每日额度，可能同时计算摘要次数和录音总分钟数。
录音会发送给外部 AI 吗？
会，第一条音轨的 16 kHz 单声道副本，以及你填写的关注重点，会发送给 Google Gemini API；Google 限流时，经 OpenRouter 发送给同一 Gemini 模型。视频画面不发送。
为什么摘要没有刚好达到选定长度？
摘要长度 是模型的写作目标，返回后不会裁剪或补齐。目标还应与录音内容相称：10 分钟英文讲话粗估有 1300–1600 词，要求 2000 词已超过原有内容量，容易出现重复。中文摘要也应按信息量选择，不能把词数参考当作精确字符数。
摘要会使用哪种语言？
页面没有输出语言设置。需要明确指定语言时，音频转文字 提供音频语言选择和可选翻译。
能总结视频或屏幕录制吗？
可以，但只使用声音，而且只读第一条音轨。录屏软件若把麦克风单独放在第二条音轨，那条人声不会包含在摘要中。