更新于

LLM 会议纪要生成能力评测

模型评测LLM对比会议纪要效率工具

会议纪要生成是 LLM 最接地气的企业应用之一——几乎每个公司都有整理会议记录的痛点，而转录文本的质量往往参差不齐。本文聚焦”从转录稿到规范纪要”这一具体任务，测试几个主流模型在实际场景下的表现差异。

测试说明：使用真实脱敏的企业内部会议转录（时长 45–60 分钟），涵盖产品评审、项目周会、客户沟通三类场景。评分为主观估分，不代表客观排名，具体结果以实际使用为准。

一、会议纪要任务的特殊挑战

相比普通文章摘要（参见 LLM 摘要质量横评），会议转录稿有几个独特难点：

1. 多说话人混杂 转录稿通常包含多个发言人的混合意见，同一议题可能跨越十几段发言。模型需要归并同类观点、识别分歧。

2. 口语化表达多 “就是那个……你知道的……”、“反正先这样吧”这类口语片段如果原封不动保留，纪要会读起来很混乱。模型需要提炼核心意思而非直接复述。

3. Action Item 分散埋藏 “小王你负责跟进一下”、“下周二之前要给结论”这类行动项往往穿插在讨论中，没有明确标记。能不能准确提取这些关键信息，是区分模型能力的重要维度。

4. 中文会议的语义密度 中文会议转录比英文更容易出现歧义（同音词、省略主语、隐含上下文），模型的中文理解能力直接影响纪要准确性。

二、评测维度设计

维度权重说明
结构完整性25%纪要是否包含：会议基本信息、主要议题、讨论要点、决议事项、待办清单
Action Item 提取准确率25%人工标注的 Action Item 中，模型能识别多少比例；有无幻构的 Action Item
事实准确性20%纪要中的数字、时间节点、责任人是否与转录稿一致
表达可读性15%语言是否流畅、专业；口语化内容是否已提炼
关键决策还原15%会议最终拍板的决策是否被清晰呈现（而非被讨论过程稀释）

三、Prompt 模板：可直接复用

以下是测试中使用的 Prompt，实践中可根据公司规范调整：

你是一位专业的会议纪要整理者。请根据以下会议转录稿，生成规范的会议纪要。

【输出格式要求】
# 会议纪要

**会议时间**：（从转录稿推断或由用户提供）
**参会人员**：（列出所有发言人）
**主持人**：（如可识别）

## 一、会议议题
（分点列出本次会议讨论的主要议题）

## 二、讨论要点
（按议题分组，归纳各方观点，保留关键数字和时间节点）

## 三、决议事项
（明确列出本次会议达成的决定，用"已决定：……"开头）

## 四、待办事项（Action Items）
| 责任人 | 任务描述 | 截止时间 |
|--------|---------|---------|
| （从转录稿提取，格式：姓名/角色） | （具体任务） | （如有提及） |

## 五、下次会议
（如有提及）

【注意事项】
- 保留所有具体数字、日期、金额（不要替换为模糊表述）
- 决议事项只写已明确拍板的内容，讨论中的意见放在讨论要点
- 如有信息不确定，用"【待确认】"标注，不要猜测
- 使用正式书面语言，去除口语化表达

---
会议转录稿：
[粘贴转录内容]

四、各模型表现对比

GPT-4o

Action Item 提取：表现较好，能识别约 80%（估算）的明确 Action Item，但对隐含的行动项（没有明确说”你来负责”但上下文隐含责任归属）识别率偏低。

结构输出：严格按照 Prompt 的格式输出，不会自作主张调整结构。

事实准确性：数字、时间节点基本准确。在转录稿较长（超过 1 万字）时，偶有遗漏后半段的决议。

中文表达：书面化程度高，口语提炼到位。

主要缺点：当会议讨论内容较为发散时，会议纪要的”决议事项”部分容易混入讨论意见而非最终结论。

Claude Sonnet 4.6

Action Item 提取：在三类场景中 Action Item 提取率最高（估算约 85%），尤其擅长识别”软性承诺”（“我回去研究一下”这类不算正式承诺但有后续期望的内容），会用【待确认】标注而非强行写为 Action Item。

结构输出：倾向于在标准结构外加入”补充背景”或”风险提示”小节，有时比需要的更详细。可以在 Prompt 中加”严格按照格式，不要增加额外章节”来限制。

事实准确性：最强——在测试中没有发现数字或时间节点的错误，同时会在不确定内容旁加注。

中文表达：最自然，行文接近人工整理的正式纪要。

主要缺点：生成时间比 GPT-4o 略长；在极长转录稿（1.5 万字以上）时，token 用量较高。

Gemini 1.5 Pro

Action Item 提取：识别率中等（约 70%），但偶发”幻构”——识别出转录稿中并不存在的 Action Item，在事实核查维度扣分明显。

结构输出：格式较为灵活，有时自动合并了某些议题，结构不如另外两者严谨。

事实准确性：数字准确率略低，在含有大量专有名词（产品代号、人名缩写）的转录稿中表现较差。

中文表达：可以接受，但偶有翻译腔（推测为底层多语言训练的影响）。

主要优点：对话轮次多的长转录稿处理速度最快，成本较低，适合对质量要求不高的内部会议快速生成初稿。

汇总评分（主观估算）

维度GPT-4oClaude Sonnet 4.6Gemini 1.5 Pro
结构完整性★★★★☆★★★★★★★★☆☆
Action Item 提取★★★★☆★★★★★★★★☆☆
事实准确性★★★★☆★★★★★★★★☆☆
表达可读性★★★★★★★★★★★★★★☆
关键决策还原★★★☆☆★★★★☆★★★☆☆
综合4.04.63.2

以上为主观估分，不构成选型依据。不同行业、会议类型的结果可能有差异。

五、提升输出质量的实用技巧

技巧 1：分段处理超长转录稿

超过 1 万字的转录稿，可以按议题切分后分别总结，最后合并。这样比一次性投喂效果更稳定：

[先发第一段转录稿]
这是会议前半段，请提取：1. 讨论的议题列表 2. 每个议题的主要观点 3. Action Items（如有）

[再发第二段]
这是会议后半段，继续提取上述三类信息。

[最后]
基于我提供的两段总结，生成完整纪要。

技巧 2：提供说话人身份背景

在 Prompt 中加入参会人角色说明，可以帮助模型更准确判断谁的发言有决策权：

参会人身份：
- 张总（CEO，最终决策者）
- 李经理（产品负责人）
- 王工（技术负责人）

技巧 3：使用结构化 JSON 输出

如果纪要要进入 OA 系统，可以要求输出 JSON 格式，方便程序化处理：

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": prompt}],
    response_format={"type": "json_object"}
)

JSON 结构建议：

{
  "meeting_date": "",
  "attendees": [],
  "topics": [{"title": "", "key_points": []}],
  "decisions": [],
  "action_items": [{"owner": "", "task": "", "deadline": ""}],
  "next_meeting": ""
}

技巧 4：后处理校验关键字段

Action Item 是纪要中最容易出错的部分，建议写一个简单的校验脚本，对比原转录稿中提到的责任人名字，检查纪要中是否都已对应：

# 简单示例：验证 Action Item 责任人是否出现在转录稿中
attendee_names = ["张总", "李经理", "王工"]
for item in action_items:
    if item["owner"] not in attendee_names:
        print(f"警告：责任人 {item['owner']} 未在参会人列表中")

六、工程落地：接入 Whisper + LLM 全流程

如果想做成自动化工具（录音 → 转录 → 纪要），典型架构：

会议录音（MP3/WAV）
    ↓
Whisper API（语音转文字，含说话人分离）
    ↓
LLM（会议纪要生成，使用上述 Prompt）
    ↓
输出（Markdown / JSON）
    ↓
发送到企业微信 / 飞书 / 邮件

Whisper 转录 1 小时录音费用约 $0.36（按官方定价估算），加上 LLM 生成纪要的 token 费，全流程成本约 $0.5–1.5/小时会议，远低于人工整理成本。

七、相关阅读

想低成本批量调用 GPT-4o 和 Claude 处理会议转录任务？YoTradeApi 支持按量计费、多模型统一接口，适合构建企业内部会议纪要自动化工具。

相关阅读