用 WorkBuddy 把 4.5 小时导游录音 + 视频整理成公文级文本：完整实操与踩坑 #WorkBuddy#

本文系作者真实使用经验，记录一次"长录音 + 视频 → 文字稿 → 公文排版"的全流程。所有命令、参数、坑点均来自实际操作，可供复刻。

一、痛点：为什么不能直接"丢进去就完事"

我在准备导游考试，手头有三份素材：

• 一份 4 小时 34 分、376 MB 的长录音（导游考试录音1.mp3）
• 一份 19 分钟 的短录音（导游考试录音2.mp3）
• 一段 10 分钟 的景区讲解视频（花果山.mp4）

诉求很明确：把语音/视频转成文字，校正专有名词（景点名、人名、诗句），最好还能按公文格式排版，最后合并成一个干净文本方便背诵。

看上去像一句"帮我转写"就能解决，但实际踩了三个坑：长音频超时、专名误识别、公文排版字体。下面把每一步怎么做、踩了什么、怎么填，完整写出来。

二、实操步骤

步骤 1：先转写短文件，长文件要"无损切分"

把 mp3 / mp4 直接交给 WorkBuddy 的转写能力即可，中文、方言、多人对话都能识别，视频也能直接吃。

但长录音会翻车：4.5 小时那份单次转写触发了服务 15 分钟超时上限，直接失败。解决办法是先按 MP3 帧边界无损切分（不重新编码，零质量损失），再逐片转写：

# split_audio.py 核心逻辑（用 imageio-ffmpeg 自带的 ffmpeg）
import imageio_ffmpeg, subprocess

ff = imageio_ffmpeg.get_ffmpeg_exe()
seg = 25 * 60  # 每片 25 分钟，远小于 15 分钟×N 的安全余量
for i, start in enumerate(range(0, total_seconds, seg)):
    subprocess.run([ff, "-i", src,
                    "-ss", str(start), "-t", str(seg),
                    "-c", "copy",                 # 关键：流拷贝，不重编码
                    f"part{i+1:02d}.mp3"])

4.5 小时切成了 11 片，逐片转写全部成功。切分后的转写原文记得落盘保存（带时间戳），后面合并时直接读文本，不用再跑一遍语音识别。

步骤 2：专名校正——这一步最值钱，也最不能省

语音识别在"专有名词"上错得离谱。我遇到的真实误识（左边是机器听错的，右边是校正后的）：

做法：通读转写文本，对照景区标牌或正式讲解词逐条校正，把"原转写 → 采用"列成对照表。对不上、无法确证的一律标"待核"，绝不擅自改成"看起来对"的名字——考试写错一个字就是失分点。

步骤 3：按公文格式排版（python-docx 关键点）

整理好的文字要用公文规格排（A4、上下 3cm 左右 2.7cm、二号小标宋标题、三号仿宋正文、固定行距 28pt、页码「— 1 —」）。几个容易漏的底层设置：

from docx import Document
from docx.shared import Pt, Cm
from docx.enum.text import WD_LINE_SPACING, WD_ALIGN_PARAGRAPH
from docx.oxml.ns import qn

d = Document()
s = d.sections[0]
s.page_height, s.page_width = Cm(29.7), Cm(21)
s.top_margin = s.bottom_margin = Cm(3)
s.left_margin = s.right_margin = Cm(2.7)

# 正文：仿宋 三号 16pt，首行缩进 2 字符(32pt)，固定行距 28pt
p.paragraph_format.line_spacing = Pt(28)
p.paragraph_format.line_spacing_rule = WD_LINE_SPACING.EXACTLY  # 固定值，不是倍数
p.paragraph_format.first_line_indent = Pt(32)
p.paragraph_format.widow_control = False  # 关闭孤行控制
run.font.size = Pt(16)
run.font.name = "Times New Roman"
run._element.rPr.rFonts.set(qn("w:eastAsia"), "仿宋_GB2312")  # 中文走仿宋
# 页码「— 1 —」：footer 插入 PAGE 域，四号 14pt，居中

标题用方正小标宋简体（二号）、一级标题黑体、二级小标题楷体_GB2312。全部走 Normal 样式 + 直接格式，不套标题样式，避免 Word 自动改格式。

步骤 4：多文件合并成一个文本

几份稿件（录音2 单卷 + 四卷整理稿 + 视频稿）要合成一册。做法：按 ## 切块，过滤掉"整理说明 / 转写校正说明"两章，章节连续重新编号，统一重排为一份 docx。注意去重自动编号——源 markdown 若自带"一、"，脚本又加一遍就会变成"一、一、"，要先把源稿的显式编号清掉交给脚本。

步骤 5：视频也走同一套

花果山.mp4 直接转写就是完整版讲解，比之前长录音里那段十几秒的残段完整得多。校正专名（郁林观、陶澍、遥镇洪流等）后，按你的要求用完整视频版替换掉残段，全册最终只保留一个花果山，合并成一份文本。

三、踩过的坑（重点，也是精选加分项）

1. 长音频直接转写超时 → 必须先无损切分（按帧边界 -c copy），别用重新编码的切法，否则音质受损。
2. 专名误识别率高 → 语音转写绝不能"转完就用"，尤其景点、人名、诗句、年份，必须人工校正 + 留"待核"清单。
3. 公文字体本机没装会回退 → 方正小标宋、仿宋_GB2312、楷体_GB2312 需本机安装，否则 Word 自动替换，排版走样。交付时务必提醒读者。
4. 合并双重编号 → 源稿自带编号 + 脚本再加编号 = "一、一、"，要去重。
5. 页码域位置要合规 → w:pgNumType 必须放在 w:cols 之前，否则 Word 不认；首个章节前别再设分页符，否则多一页空白。

四、最终效果

一份 5 辑 / 19 章 / 178 节 的合编本 docx，A4 公文排版、带可跳转目录、页码从 1 起，全部讲解正文完整保留，说明类章节和校正表按约定剔除。从 4.5 小时录音到一份能直接打印背诵的资料，整套流程可复刻。

五、给你的建议

• 长素材先切分再转写，这是最容易卡住的一步；
• 转写结果一定要人工校专名，WorkBuddy 擅长清理结构和排版，但专有名词的"对错"最终要你拍板；
• 想要公文/讲话稿等特定版式，把格式规格直接告诉我，我可以精确到页边距、字号、行距去排；
• 投稿记得审核过后在页面手动领积分，别像很多人一样写完了却忘了点，白丢几千分。

原创声明：本文系作者真实使用 WorkBuddy 的经验总结，未授权不得转载。