Google 官方的 Meet 转录功能被锁定在 Workspace Business Standard 中，每月每用户大约 14 美元。本指南将向您展示免费的替代方案：通过 Meet 录音和免费的 Windows 应用，在几分钟内获得文字记录。
无论是否有 Workspace 订阅均可使用。
如果您的账号使用的是 Workspace Business Standard 或更高级别，则内置了录制功能：点击 Meet 内的三点菜单，然后选择录制会议。如果您使用的是个人 Google 账号或没有录制功能的 Workspace 套餐，请在加入通话前运行免费的本地录屏软件。OBS Studio 是最常见的选择。内置的 Xbox Game Bar (Win+G) 和 ShareX 也可以。无论选择哪种，请确保启用了“捕获系统音频”，否则您将录制到没有声音的视频。
如果 Google Meet 为您录制了通话，它会以 MP4 格式保存到“我的云端硬盘”中的“Meet Recordings”文件夹。打开云端硬盘，找到该文件并下载。如果您使用了录屏软件，该文件已经存在于您指定的保存位置的磁盘上。无论哪种方式，您最终都应该得到一个 .mp4 文件。根据分辨率和屏幕共享内容，文件大小通常为每小时 50 到 300 MB。
从主页下载 StarWhisper。首次运行时安装程序约为 200 MB，因为它捆绑了 Whisper 模型。无需注册账号，无需信用卡，也不需要云组件。安装后，启动应用程序一次并完成 30 秒的设置（选择您的默认麦克风，选择一个热键，其他全部接受默认设置）。您现在可以开始转录了。
打开文件资源管理器，找到您保存录音的位置。将 .mp4 拖放到 StarWhisper 窗口上。应用程序会自动提取音轨，检测口语语言，并开始转录。在最近的笔记本电脑 CPU 上，60 分钟的通话通常需要 5 到 15 分钟；如果使用 CUDA 加速包，在 NVIDIA GPU 上只需 1 到 3 分钟。进度会实时显示。您可以最小化窗口并继续工作。
运行完成后，文字记录将显示在 StarWhisper 窗口中。在屏幕上阅读，将全文复制到剪贴板，或将其保存为 .txt 文件。粘贴到 Google Docs、Notion、Confluence、OneNote 或您团队的笔记系统中。文字记录是纯文本，没有说话人标签，这保持了文件的可移植性。总花费成本：零。无需升级 Workspace，无需 Otter 订阅，也没有按分钟计算的转录费用。
一个免费的工具流程，实现了每月 14 美元用户计划的功能。
Workspace Business Standard 大约是每位用户每月 14 美元，或每个席位每年 168 美元。对于一个五人团队来说，一年就是 840 美元，仅仅是为了启用转录功能。此工作流程对于偶尔需要转录的用户完全免费，如果您每天转录长会议，Pro 版本也只需每人每月 10 美元。
MP4 存放在您的硬盘上。StarWhisper 在您的 CPU 或 GPU 上本地运行转录。在转录过程中，没有任何内容被上传到 Google、OpenAI 或任何第三方。隐私和离线架构详情。
相同的工作流程可处理 Zoom、Microsoft Teams、Webex、Slack Huddles 以及任何您可以录制的平台。转录引擎将每个录音仅视为一个音频文件。有关特定平台的录制步骤，请参阅转录 Zoom 通话的相关指南。
使用英语、西班牙语、德语、法语、日语和普通话进行 Meet 通话的分布式团队都能从中受益。Whisper 自动检测口语语言。多语言支持页面。
同样的安装还允许您通过按住热键在 Google Docs、Chat 或任何 Windows 文本字段中进行听写。有关按住操作的工作流程，请参阅Google Docs 语音转文字指南。
NVIDIA GPU 用户可以通过 CUDA 11 或 12 在 1 到 3 分钟内处理一小时的通话。如果没有 GPU，现代 CPU 可以在 5 到 15 分钟内处理相同的工作负载。无论哪种方式，都比重新听一遍会议要快。
Google Meet 提供免费的实时字幕，但官方的文字记录导出功能被限制在 Workspace Business Standard 或更高级别之后。Business Standard 的价格大约是每位用户每月 14 美元，按年计费。对于只有少数几个电话每月真正需要文字记录的个体自由职业者或小团队来说，这是一笔沉重的开支。许多团队保留免费层级或更便宜的 Workspace 计划，最终要么手写笔记，要么在 Workspace 之外额外支付 Otter 或 Fireflies 等外部服务的费用。
更便宜的外部服务有其自身的权衡。它们以机器人的身份加入会议，这会在参与者列表中公布自己，并让参与机密通话的人感到不安。它们将会议音频上传到其服务器，这对于法律、医疗、人力资源或并购讨论来说是个问题。而且它们在 Workspace 之上增加了另一项月度订阅费用，而这正是人们试图通过不升级到 Business Standard 来避免的情况。
本指南描述了大多数独立转录员和注重隐私的团队最终采用的工作流程。捕获 Meet 通话（无论是使用 Workspace 录制、免费录屏软件，还是同事分享的录音），然后在您的 Windows PC 上使用 StarWhisper 转录生成的 MP4。免费、本地化、会议中没有机器人、没有按分钟收费。
整个工作流程的关键在于首先要有录音。获取录音的常见方式有三种：
在会议中，点击三点菜单，选择“录制会议”，确认提示您通知参与者的对话框。通话结束后，录音将被处理，通常会在几分钟内保存到“我的云端硬盘”中的“Meet Recordings”文件夹。您将获得一个包含所有人混合音频以及活跃发言者视频和任何屏幕共享内容的 MP4 文件。
在加入通话之前，启动 OBS Studio、内置的 Xbox Game Bar（在 Windows 10/11 中按 Win+G）、ShareX 或任何其他录屏软件。关键的设置是“捕获桌面音频”或“录制系统声音”，它会录制电脑通过扬声器播放的内容。如果没有这个设置，您只能录制到视频。如果您的录屏软件提供选择，请选择 MP4 作为输出格式。在您加入通话之前开始录制，并在所有人离开后停止录制。
如果主持人或另一位参与者录制了通话并向您发送了云端硬盘链接，请点击链接，下载 MP4，然后跳到第三步。
务必告知其他参与者您正在录音。大多数司法管辖区要求至少有一方同意，但专业和道德的做法是予以披露。一些工作场所和合同明确禁止在本地捕获内部会议，因此在将此方法用于敏感通话之前，请先检查相关规定。
Google Meet 录音（无论是 Workspace 还是录屏软件）都是一个单一的 MP4 文件，包含一个混合了所有声音的音轨，以及当时屏幕上显示人员的单一视频轨。音频才是转录的关键。没有按说话人划分的声道，因此无论是 StarWhisper 还是任何其他单轨转录器都无法自动标记谁说了什么。
StarWhisper 将生成一份干净、连续且带有句子换行和自然标点符号的文字记录。对于典型的提取待办事项和决策的会议来说，这已经足够了：浏览文字记录，在脑海中把这些话归因于您记得发言的人，提取出四五个决定和待办事项，并与团队分享。如果您需要带有说话人标签的正式逐字记录（法庭诉讼、证词、学术研究访谈），您将需要付费的云分离服务或每个说话人都有自己独立音轨的多麦克风设置。
转录录制的会议比实时速度更快，有时甚至快得多。以下是默认的 medium Whisper 模型在常见硬件上的大致运行时间：
| 硬件 | 30 分钟会议 | 60 分钟会议 | 2 小时会议 |
|---|---|---|---|
| 现代笔记本电脑 CPU (i7 或 Ryzen 7) | 3 到 6 分钟 | 6 到 12 分钟 | 12 到 25 分钟 |
| NVIDIA RTX 3060 (CUDA) | 30 到 60 秒 | 1 到 2 分钟 | 2 到 5 分钟 |
| NVIDIA RTX 4090 (CUDA) | 10 到 20 秒 | 20 到 40 秒 | 1 到 2 分钟 |
| 较旧的 CPU（5 年以上） | 10 到 20 分钟 | 25 到 45 分钟 | 50 到 90 分钟 |
对于过去三年内购买的大多数办公笔记本电脑，预计一小时的 Meet 录音将在 6 到 12 分钟内完成转录。如果您经常进行此操作并且机器中有 NVIDIA GPU，CUDA 包会将时间缩短大约一个数量级。
分布在柏林、东京和圣保罗进行 Meet 通话的分布式团队是此工作流程的主要用例。Whisper 支持 96 种语言，在英语、德语、西班牙语、法语、意大利语、葡萄牙语、荷兰语、波兰语、日语、中文、韩语、印地语、俄语、阿拉伯语和土耳其语等方面具有很高的准确率。该模型会在文件开头自动检测口语语言。
对于说话者在通话过程中切换语言的会议（欧洲常见的模式），Whisper 可以相当好地处理短时间的语码转换，尽管它会倾向于确定一种主要语言。如果您有一个一半西班牙语一半英语的会议，通过将录音分成两个片段并分别以其声明的语言进行转录，可能会获得更好的结果。多语言功能页面更详细地介绍了各种语言的准确率。
翻译也是可能的。StarWhisper 可以获取非英语录音，并使用 Whisper 的翻译模式将其直接转录为英文文本。这对于试图在不聘请翻译的情况下跟进另一种语言的合作伙伴会议的美国或英国内部团队非常有用。对于主要语言的质量通常很好，但对于不太常见的语言会有所下降。
此工作流程将会议音频和文字记录保留在您的设备上。Workspace 录音存在于您自己的 Google 云端硬盘中；由您控制共享。录屏软件的录音保存到您的硬盘上。StarWhisper 本地模式在 CPU 或 GPU 上本地处理文件。文字记录输出是您 PC 上的一个纯 .txt 文件。除非您选择共享（粘贴到云文档中、通过电子邮件发送、上传），否则这些内容都不会离开您的网络。
与云转录服务相比。Otter、Fireflies、Notta 和类似工具以机器人身份加入通话，并将音频上传到其服务器。即使是 Google 自己的转录功能也是在 Google 的云中处理音频。对于机密通话（并购讨论、绩效评估、受 NDA 约束的客户访谈、法律策略、医疗病例审查），仅限本地的工作流程在数据控制方面是一个有意义的改进。
如果您处于受监管的行业，相同的架构也有助于您的合规态势。HIPAA 合规常见问题解答专门介绍了本地处理对受保护健康信息的意义。
进行候选人筛选的招聘人员、进行发现电话的销售代表以及进行续约的 CS 负责人都希望获得文字记录，但很少能证明单独的转录费用是合理的。这里的工作流程与任何其他会议相同：在本地录制，然后进行转录。对于进行大量工作的销售团队，销售代表语音转文字指南介绍了与 CRM 的集成。对于人力资源和招聘工作流程，人力资源经理语音转文字页面涵盖了候选人筛选文字记录及其带来的保密性要求。如需与 Teams 而非 Meet 进行更深入的集成，Teams 中的语音转文字指南是直接的对应指南。