Zoom 的内置转录功能需要每年每用户 199 美元的商业版。跳过它吧。只需在本地录制，将 .m4a 拖入免费的 Windows 应用，几分钟即可获得完整的转录文本。
适用于任何 Zoom 层级，包括免费方案。
打开 Zoom，进入“设置”->“录制”，然后开启“本地录制”。选择一个您以后容易找到的文件夹（默认是“文档”->“Zoom”）。只要您是会议主持人，免费 Zoom 用户即可使用本地录制。如果您不是主持人，请让主持人自行录制或授予您录制权限。
在通话中，点击 Zoom 工具栏上的“录制”（或按 Alt+R），如果您同时拥有本地和云端选项，请选择“在此计算机上录制”。Zoom 会在角落显示一个小的“录制”指示器，让所有人都知道。当通话结束时，正常离开会议。Zoom 需要一两分钟将录制内容转换为最终文件。
打开文件资源管理器并导航到“文档”->“Zoom”。在里面您会看到每个录制内容对应的带有日期的子文件夹。打开最近的一个。您会找到 audio_only.m4a（通话音频，文件较小）和 zoom_0.mp4（屏幕共享视频）。进行转录时，您只需要音频文件。如果您愿意，视频文件也可以；StarWhisper 会自动从 .mp4 中提取音频。
如果尚未安装，请先安装 StarWhisper。打开它，然后从文件资源管理器中将 audio_only.m4a 拖到窗口上。该应用会检测语言并开始转录。在现代 CPU 上，一小时的通话通常需要 5 到 15 分钟处理完毕，而在 NVIDIA GPU 上则需要 1 到 3 分钟。进度会实时显示。您可以将其留在后台运行。
转录文本将显示在 StarWhisper 窗口中。通读一遍，将全文复制到剪贴板，或将其保存为 .txt 文件。粘贴到 Notion、OneNote、Google 文档或您的会议笔记系统中。转录文本是不带发言人标签的纯文本，这保持了文件的便携性并易于清理。总成本为零。无需上传，无需升级 Zoom 商业版，没有按分钟收费。
一个免费的工作流程，实现了 199 美元方案的功能。
Zoom 商业版每年每用户约 199 美元。此工作流程保留在免费的 Zoom 层级，并使用 StarWhisper 的免费本地转录。对于个人用户或小型团队来说，每年的节省费用迅速增加。
Zoom 本地录制和 StarWhisper 转录都存在于您的硬盘上。无需将内容上传到 Zoom 的服务器进行转录，也没有第三方会议机器人加入通话。
相同的工作流程可处理 Microsoft Teams、Google Meet、Webex、Slack Huddles 或任何其他在本地录制的通话。唯一重要的是音频文件。
需要与位于柏林、东京和圣保罗的团队合作？Whisper 会自动检测每次录制内容的语言。多语言支持详情。
同样的安装还允许您直接通过语音听写到 Zoom 聊天（或任何其他文本字段）中。请参阅Zoom 中的语音转文字指南，了解按住即说的工作流程。
NVIDIA GPU 用户可以通过 CUDA 在 1 到 3 分钟内处理一小时的会议。如果没有 GPU，您在现代 CPU 上仍然可以获得可用的速度。GPU 详情。
Zoom 确实包含自动会议转录，但仅在商业版及更高版本中提供。截至撰写时，商业版大约为每年每用户 199 美元（149 到 199 美元不等，具体取决于合同期限和席位数）。对于单个自由职业者或大多数通话不需要实时转录的小型团队来说，为偶尔使用的功能支付这么多钱是一笔不小的开销。
官方 Zoom 转录也有一些让人第一次使用时感到惊讶的限制。音频是在 Zoom 的云中处理的，因此它会离开您的网络。录制内容存储在 Zoom 的服务器上，受 Zoom 的保留策略约束。而且它被锁定在 Zoom 通话中：它无法转录录制的 Microsoft Teams 通话或您在其他地方进行的播客采访。
本指南介绍了大多数人最终使用的替代方案。保留免费的 Zoom 层级，使用内置的本地录制（免费），并在您的 Windows PC 上使用 StarWhisper 处理生成的文件。总成本：零。相比 Zoom 商业版，每年每个席位可节省：199 美元。
当您作为主持人本地录制 Zoom 会议时，Zoom 会捕获每个参与者（您的麦克风加上其他所有人的麦克风流）的混合音频。这将被保存为 audio_only.m4a。它还会将视频网格和屏幕共享录制为 zoom_0.mp4。进行转录时，您只需要 .m4a。
开箱即用时，您无法获得的是按人分开的音频。录制内容是单个混合轨道。这意味着 StarWhisper 将生成没有发言人标签的连续转录文本。对于大多数行动项和决策用例，这已经足够了：当您回忆讨论内容时，快速通读并重建谁说了什么是很快的。如果发言人分离对您的工作流程至关重要，您将需要付费的云转录服务或更高级的本地设置。这是诚实的披露。
Zoom 还会录制您的屏幕共享文本。转录文本仅涵盖口语音频，而不涵盖屏幕上的文本。如果有人共享包含关键信息的文档，请单独保存该文档。
在 Zoom 中进行一次性设置，可以让此工作流程的其余部分变得顺畅：
就是这样。未来的会议将本地录制到该文件夹。每台机器只需设置一次。
转录录制的会议比实时更快，有时快得多。确切的速度取决于您的硬件和您使用的 Whisper 模型。以下是具有代表性的机器上使用默认中等模型的粗略数据：
| 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，预计一小时的会议可以在 6 到 12 分钟内转录完毕。这比以 2 倍速重新收听会议要快。如果您进行大量会议转录并且手头有 NVIDIA GPU，启用 CUDA 包可以将时间缩短一个数量级。
值得一提的另一个用例。除了转录录制的会议外，StarWhisper 的主要功能是按住即说的语音听写，可输入到任何文本字段。在 Zoom 通话期间，您可以使用它通过语音输入到 Zoom 聊天中，而无需将视线从摄像头移开。
工作流程：点击 Zoom 聊天输入框，按住 StarWhisper 热键（默认为右 Alt 键），说出消息，松开。您的语音将变成输入的文字。这对于在屏幕共享时向与会者发送详细消息、在通话期间捕获快速笔记而无需按 Alt-Tab 切换到笔记应用程序，或者在口头对话的同时运行开放的聊天线程非常有用。
有关使用 Zoom 进行完整实时听写的工作流程，请参阅专门的Zoom 语音转文字指南。转录引擎是相同的；只是触发方式不同。
此工作流程将会议音频和转录文本保留在您的设备上。Zoom 本地录制会保存到您的硬盘上。StarWhisper 本地模式在本地处理它。生成的转录文本是您 PC 上的一个 .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。
与替代方案相比。Otter.ai 以机器人身份加入您的会议，并将音频上传到 Otter 的服务器。Notta 也是如此。甚至 Zoom 自己的转录也是在 Zoom 的云中处理音频。对于机密通话（并购讨论、绩效评估、受保密协议约束的客户访谈），仅限本地的工作流程是一项重大改进。隐私和离线架构页面涵盖了完整的数据流分析。
如果您处于受监管的行业（医疗保健、法律、金融服务），相同的架构也支持您的合规态势。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。
进行发现电话的销售代表、进行初步筛选的招聘人员以及进行续约的客户经理都可以从录制通话的转录文本中受益。这里的工作流程是相同的：在本地录制，然后进行转录。如果您想深入了解销售团队和人力资源职能部门如何使用本地转录，请查看针对特定角色的页面。人力资源经理语音转文字指南涵盖了候选人筛选工作流程。内容创作者语音转文字页面涵盖了播客和访谈工作流程，这些与销售通话转录有很大重叠。