本博客分两个部分，完整记录在骁龙X2 Elite Windows ARM64笔记本上搭建离线会议纪要助手的所有步骤。
第一部分：whisper.cpp环境搭建与会议录音转写实战
第二部分：利用本地大模型（Ollama + Qwen2.5:7b）做摘要整理与待办生成

前言

这次要在骁龙X2 Elite Windows 11笔记本上，做一套离线会议纪要助手：把会议录音稳定转成中文文本，但转写完成并不等于工作完成，因此我们再部署一套“会议文本 → 摘要/待办/纪要”整理链路。

这套路线不走云转写，不走在线接口，也不做那种“先试试看哪种方案更适合你”的写法。原因很简单：

  1. 会议内容经常带项目名、客户名、计划节点，不能随便上云；
  2. 本地转写一旦跑顺，后面接摘要、待办提取、日报整理都很顺；
  3. X2-Elite这类设备本身就适合做轻量本地AI办公场景。

第一部分：whisper.cpp环境搭建与转写实战

这部分只做两件事：

  1. 在X2 Elite上把whisper.cpp编译跑起来；
  2. 用一段真实的中文会议音频，转出可直接整理的文本稿。

一 环境说明

1.1 硬件环境

我这次使用的环境是固定的，全文都按这套来，不做岔路说明。

  • 设备：骁龙X2 Elite开发笔记本
  • 系统：Windows 11
  • CPU架构：ARM64
  • 内存：32GB
  • Git：Windows版本
  • CMake：3.29+
  • Visual Studio Build Tools：2022
  • FFmpeg：Windows可执行版本
  • 转写引擎：whisper.cpp
  • 模型：gml-large-v3-turbo.bin

在这里插入图片描述

1.2 整体安装路线

先把整个安装路线摆出来，后面所有步骤都按这个顺序来。
在这里插入图片描述

二. 为什么这次我直接选 whisper.cpp

很多人一上来会问，为什么不用 Python 版 Whisper，或者别的语音 SDK。

这里我直接给结论：在 X2 Elite 这类 Windows ARM64 设备上，先用 whisper.cpp 最稳。

原因有三个：

  • 编译链路直接

whisper.cpp 本身就是 C/C++ 实现，依赖不重。
只要本机的 CMake 和编译工具链正常，基本就能直接拉源码、直接编译、直接跑。

  • 适合本地离线处理

会议录音这种东西，通常时长长、内容杂、隐私还敏感。本地离线转写比在线接口更省心，尤其是内部项目会、客户沟通会、故障复盘会。

  • 后续接自动整理很顺

第一步把 txt 和 srt 打出来，下一步接大模型做摘要、待办、风险项提取，链路非常清晰。这个系列就是按这条路往下写的。

三. 环境安装

3.1 安装 Git

先装 Git for Windows，安装完后打开终端验证：

git --version

只要能正常输出版本号，这一步就算过。

3.2 安装 CMake

去官网装 CMake，装完后执行：

cmake --version

能输出版本号就没问题。

这里我强调一下，不要跳过 CMake。

后面 whisper.cpp 编译直接要用，不装这一步，后面肯定卡住。

3.3 安装 Visual Studio Build Tools 2022

这里不需要装完整 Visual Studio，直接装 Build Tools 就够用。

安装时把下面几个组件勾上：

  1. C++生成工具；
  2. MSVC v143 编译工具集；
  3. Windows 11 SDK；
  4. CMake tools for Windows。

装完以后，重新开一个终端，不要沿用老终端窗口。

3.4 安装 FFmpeg

会议音频来源很杂，有些是 mp3，有些是 m4a，还有些是手机直接录的 aac。所以我这里固定装 FFmpeg，先把音频统一预处理。

安装完成后执行：

ffmpeg -version

看到版本号就可以继续。

四. 拉取 whisper.cpp 并编译

4.1 拉源码

先建一个工作目录，比如：

mkdir E:\workspace\Blog\X2Elite_20260615\workspace

然后进入这个目录，执行：

git clone https://github.com/ggml-org/whisper.cpp.git

拉完之后进入源码目录：

cd E:\workspace\Blog\X2Elite_20260615\workspace\whisper.cpp

4.2 创建构建目录

直接执行：

cmake -B build

这一步的作用很明确：生成构建系统文件。

如果这一步报错，十有八九是下面两类问题：

  1. CMake 没装好；
  2. Build Tools 组件没装全。

4.3 开始编译

继续执行：

cmake --build build --config Release

正常编译完成之后，在 build\bin\Release\ 下面会看到可执行文件。我这边主要用的是：

whisper-cli.exe

只要它出来了，说明第一阶段已经通了。

4.4 验证可执行文件

执行：

E:\workspace\Blog\X2Elite_20260615\workspace\whisper.cpp\build\bin\Release\whisper-cli.exe -h

只要命令行能打印帮助信息，就说明程序本体没问题。

五. 下载模型文件

5.1 下载large-v3-turbo模型

我这篇直接固定用large-v3-turbo，原因很简单：

中文会议音频里的人名、缩略词、英文项目名会比较多，小模型经常漏字。

在whisper.cpp根目录下执行模型下载脚本：

bash ./models/download-ggml-model.sh large-v3-turbo

如果你是在Windows环境里没有bash，也可以直接去Hugging Face或项目模型目录下载ggml-large-v3-turbo.bin，然后手动放到：

E:\workspace\Blog\X2Elite_20260615\workspace\whisper.cpp\models\

最终目录里要能看到：

ggml-large-v3-turbo.bin

5.2 模型文件检查

执行前先确认模型文件路径是对的。我这里统一按下面这个完整路径来：

E:\workspace\Blog\X2Elite_20260615\workspace\whisper.cpp\models\ggml-large-v3-turbo.bin

路径不对，后面命令一定跑不起来。

六. 会议音频预处理

6.1 为什么要先转成 16kHz 单声道 WAV

这一步不要省。

很多原始录音文件码率乱、采样率乱、声道也不统一，直接扔给转写程序，结果就是：

  1. 转写速度不稳定；
  2. 某些音频会直接报错；
  3. 时间戳和断句表现变差。

所以我固定先做一次音频标准化。

6.2 音频转换命令

假设你原始会议录音文件叫：

meeting_raw.m4a

执行下面这条命令：

ffmpeg -i meeting_raw.m4a -ar 16000 -ac 1 -c:a pcm_s16le meeting_16k.wav

参数含义很直接：

  • -ar 16000：采样率固定成16kHz；
  • -ac 1：转成单声道；
  • -c:a pcm_s16le：输出为16位PCM WAV。

转换完之后，得到：

meeting_16k.wav

七. 开始做离线转写

7.1 先看执行流程

整个离线转写链路如下：

在这里插入图片描述

7.2 最小可用转写命令

执行下面这条命令：

E:\workspace\Blog\X2Elite_20260615\workspace\whisper.cpp\build\bin\Release\whisper-cli.exe ^
-m E:\workspace\Blog\X2Elite_20260615\workspace\whisper.cpp\models\ggml-large-v3-turbo.bin ^
-f E:\workspace\Blog\X2Elite_20260615\workspace\meeting_16k.wav ^
-l zh ^
-otxt ^
-osrt ^
-of meeting_output

这条命令执行完之后，会输出下面这些文件：

meeting_output.txt
meeting_output.srt

我这里重点看txt，因为后面摘要整理直接拿它做输入。

7.3 参数解释

这一段很关键，别直接抄完就算。

  • -m：模型文件路径；
  • -f：输入音频路径；
  • -l zh：明确告诉程序这是中文；
  • -otxt：输出文本稿；
  • -osrt：输出字幕时间轴；
  • -of：输出文件名前缀。

这里我建议文本和字幕一起出。

原因很简单，txt适合做纪要整理，srt适合回头定位某一段发言。

八. 实际转写效果说明

8.1 测试音频场景

我这边拿的是一段典型项目周会音频，长度大约18分钟，内容包含：

  1. 版本发布时间；
  2. 测试缺陷回归安排；
  3. 客户现场支持时间；
  4. 两个英文缩写项目名；
  5. 三个跨部门待办项。

这类音频比纯普通话朗读难一点，更接近真实办公现场。

8.2 转写结果示例

下面是我实际拿到的文本片段，做了少量脱敏：

本周先把一号产线的异常误报问题关掉，周三之前测试组给回归结果。
客户上海现场那边已经确认，下周二上午做联调。
算法模型还是沿用四月版本，不再切回旧参数。
陈工负责整理部署包，王工负责板端日志补采。

这个结果已经足够进入下一步整理了。

我自己的判断标准不是“一个字都不能错”，而是：

  1. 人能顺着读下去；
  2. 任务、责任人、时间点能提出来；
  3. 关键项目名别识别跑偏。

达到这三个条件，这套方案就能用。

到这里，第一阶段目标已经达成了：

  1. X2 Elite 本地离线转写环境已经跑通；
  2. whisper.cpp 已经能稳定输出会议文本；
  3. txt 和 srt 两类结果都能拿到；
  4. 后续做纪要、待办、日报整理已经有了输入底稿。

第二部分：本地大模型摘要整理与待办生成

前半部分打通了在骁龙X2 Elite上，用whisper.cpp把会议录音稳定转成了txt和srt。但真实办公里，转写完成并不等于工作完成。
大多数人真正需要的不是一整段原始文本，而是下面这些结果：

  1. 这场会到底讲了什么；
  2. 有哪些明确结论；
  3. 有哪些待办项；
  4. 每个待办是谁负责；
  5. 有没有时间节点和风险点；
  6. 最后能不能直接生成一份能发群、能归档的Markdown纪要。

所以这部分接着做：

在X2-Elite本地部署一套“会议文本 → 摘要/待办/纪要”整理链路。

一. 整体架构

会议纪要整理最耗时间的，不是打字，而是这三件事：

  1. 从长文本里抽主线；
  2. 从口语表达里提炼出行动项；
  3. 把零散内容整理成一个固定格式文档。

我们给出的方案非常直接：

  • 输入：meeting_output.txt
  • 中间层：Python脚本做清洗和Prompt拼接
  • 模型层：本地Ollama + qwen2.5:7b
  • 输出：摘要、决策项、风险点、待办清单、Markdown纪要

先把这一阶段的整体结构摆出来，后面的代码和流程都按这张图展开。

在这里插入图片描述

这张图里最关键的点有两个：

  1. 上一篇产出的 meeting.txt 是这一篇的唯一核心输入；
  2. 大模型不是直接裸调，而是经过一层固定格式的 Prompt 封装。

这样做的目的很明确：

让输出结构稳定，减少“这次能用、下次跑偏”的情况。

二. 为什么我这里选本地大模型而不是在线接口

这块我不展开讲一堆概念，直接说结论。

2.1 会议内容敏感

很多会议里会包含：

客户名称；合同节点；版本发布时间；缺陷优先级；项目风险；内部人员安排。

这些东西上传到云端接口，本身就有额外风险。如果你的场景是公司内部使用，本地方案明显更合理。

2.2 输出格式需要可控

在线接口经常有一个问题：同一个Prompt，今天输出一个格式，明天可能就换了个写法。

而会议纪要这类东西，最怕格式不稳定。因为只要格式飘，后面发群、归档、日报汇总都会变麻烦。

这里我们选本地模型 + 固定 Prompt，就是为了把格式尽量锁住。

2.3 X2-Elite 本身适合做轻量办公侧 AI

这一点其实是整个系列的核心出发点。我不是为了“证明能跑模型”才写这个系列，而是为了验证：

会议纪要整理，就是一个非常典型、也非常实用的切入点。

三. 本地模型环境准备

3.1 安装 Ollama

直接用 Ollama 做本地模型运行入口，原因很简单：

  1. 接口简单；
  2. 部署动作少；
  3. 本地 REST API 容易接 Python；
  4. 后续换模型也方便。

安装完成之后，先验证服务是否正常：

ollama --version

然后拉取模型：

ollama pull qwen2.5:7b

如果模型已经拉过，这一步会直接复用本地缓存。

3.2 启动 Ollama 服务

正常情况下，Ollama 安装后会自动提供本地服务。你可以先执行：

ollama list

只要能看到 qwen2.5:7b，说明模型已经就绪。

再执行一个最小测试：

ollama run qwen2.5:7b "请用一句话总结：今天项目周会重点是交付节奏和缺陷回归。"

如果能正常返回结果，说明本地模型链路是通的。

四. 输入文本为什么不能直接丢给模型

这一步很多人会偷懒，直接把整段转写文本丢给模型，然后等输出。

不建议这么干，原因有三个。

4.1 原始转写文本口语味太重

原始会议转写通常会包含很多这种内容：

  • 嗯；
  • 然后；
  • 这个；
  • 我觉得；
  • 要不这样；
  • 前后重复一句话；
  • 一半句子没说完就被别人打断。

这种文本直接喂给模型，模型能做，但效果不稳。

4.2 专有名词容易被放大误差

转写阶段如果某个产品名、人名、项目缩写有一点偏差，模型在二次整理时可能会继续把这个错误扩散出去。

所以我这里不做“完全自动无人值守”，而是保留一层轻量人工复核入口。

4.3 输出结构必须先约束

你如果只说“请帮我总结这段会议内容”，模型往往会写成自然语言段落。这类结果看着顺，但不适合直接落地。

我要的是固定结构输出，至少要有：

  1. 会议主题；
  2. 摘要；
  3. 决策项；
  4. 风险点；
  5. 待办项；
  6. Markdown格式。

所以Prompt必须显式约束。

五. 先看摘要与待办的执行流程

这一段先看图，再看代码，会更清楚。
在这里插入图片描述

这张图对应的是我实际采用的处理链路：

  1. 读取 meeting_output.txt；
  2. 做基础文本清洗；
  3. 拼接固定 Prompt；
  4. 调用本地 Ollama API；
  5. 输出 meeting_summary.md；
  6. 人工快速复核后直接发群或归档。

六. Python脚本设计思路

6.1 输入和输出固定

建议不要把脚本写成特别花的形式，直接固定输入输出即可：

输入：meeting_output.txt
输出：meeting_summary.md

这样做的好处是最稳定。

因为这类工具最后是给自己或者团队每天反复用的，不是做成命令行玩具。

6.2 使用的 Prompt 目标

这套 Prompt 的目标很明确，不是让模型“自由发挥”，而是让它“按格式交作业”。

  1. 会议主题；
  2. 三到五条摘要；
  3. 决策项；
  4. 风险点；
  5. 待办清单（负责人/截止时间/内容）；
  6. 用 Markdown 输出。

七. 一个可直接使用的 Python 示例

下面这个脚本是建立的最小可用版本。结构很简单，但已经足够把这条链路跑通。

from pathlib import Path
import json
import requests

INPUT_PATH = Path("meeting_output.txt")
OUTPUT_PATH = Path("meeting_summary.md")

PROMPT_TEMPLATE = """
你现在是会议纪要整理助手。
请基于下面的会议转写文本，输出结构化 Markdown 结果，必须包含以下部分：

# 会议纪要
## 一、会议主题
## 二、核心摘要
## 三、决策项
## 四、风险与阻塞
## 五、待办清单

要求:
1. 不要编造未出现的信息;
2. 待办项尽量提取负责人、截止时间、事项;
3. 如果负责人或时间不明确, 明确标注"未明确";
4. 输出必须是 Markdown;
5. 语言简洁直接, 适合企业内部同步。

会议转写文本如下:
{content}
""".strip()

def clean_text(text: str) -> str:
    lines = [line.strip() for line in text.splitlines()]
    lines = [line for line in lines if line]
    return "\n".join(lines)

def call_ollama(prompt: str) -> str:
    payload = {
        "model": "qwen2.5:7b",
        "prompt": prompt,
        "stream": False
    }
    resp = requests.post("http://127.0.0.1:11434/api/generate", json=payload, timeout=600)
    resp.raise_for_status()
    data = resp.json()
    return data["response"]

def main():
    raw_text = INPUT_PATH.read_text(encoding="utf-8")
    cleaned = clean_text(raw_text)
    prompt = PROMPT_TEMPLATE.format(content=cleaned)

    result = call_ollama(prompt)
    OUTPUT_PATH.write_text(result, encoding="utf-8")
    print(f"已生成: {OUTPUT_PATH}")

if __name__ == "__main__":
    main()

这个脚本不复杂，但很适合第一版上线。

真正重要的不是语法本身，而是输入、Prompt、输出结构被锁住了。

八. 一份推荐的输出格式

我自己建议最终纪要固定长这样：

# 会议纪要

## 一、会议主题
Q3项目周会：交付节奏、缺陷回归与现场支持安排

## 二、核心摘要
- 本周重点是关闭一号产线误报问题，并在周三前完成回归。
- 客户上海现场下周二上午联调，需提前准备部署包。
- 算法版本继续沿用四月版本，不切回旧参数。

## 三、决策项
- 本次联调继续使用四月版模型参数。
- 部署包由陈工统一整理后再发现场。

## 四、风险与阻塞
- 如果测试组周三前无法给出回归结果，下周联调节奏会被影响。
- 现场日志采集不完整，可能影响问题定位。

## 五、待办清单
- [ ] 陈工：整理部署包，截止时间：周一晚
- [ ] 王工：补采板端日志，截止时间：周二上午
- [ ] 测试组：输出误报问题回归结果，截止时间：周三中午

你会发现，这个格式的重点不是“写得漂亮”，而是：

  1. 信息能快速扫到；
  2. 责任人和截止时间一眼可见；
  3. 可以直接复制进企业微信、飞书或邮件里。

九. 实际使用时我建议保留一层人工复核

切记，不要把会议纪要自动化理解成“完全不看直接发”。

更稳妥的做法是：

  1. 先让系统自动出一版；
  2. 人工用1到3分钟快速扫一遍；
  3. 重点修正人名、时间、产品代号；
  4. 再发群或归档。

因为会议纪要不是普通文本，它会直接影响执行。所以最后这一层人工确认，我认为必须保留。

十. 我对这套链路的实际判断

如果只从“模型能力展示”角度看，这个方案没有什么炫技成分。但如果从“每天能不能真用”这个角度看，它很有价值。

我对这条链路的评价是：

  • 足够轻

不依赖云接口；不依赖复杂服务；脚本结构简单；输入输出固定。

  • 足够稳

转写和整理分成两个阶段；中间有txt作为可追溯产物；Prompt结构固定；输出格式固定。

  • 足够实用

适合项目周会；适合问题复盘会；适合客户沟通会；适合跨部门同步会。

十一. 常见问题处理

11.1 编译时报找不到编译器

这种问题基本不是whisper.cpp本身的问题，直接检查两件事：

  1. Visual Studio Build Tools有没有装；
  2. 装的时候 C++ 工具链有没有勾上。

这两个没配好，后面你反复重试也没用。

11.2 模型路径写错

这是最常见的问题之一。

命令能执行，但会提示模型加载失败。

直接检查：

  1. 文件名是不是 ggml-large-v3-turbo.bin；
  2. 路径里有没有手误；
  3. 命令行里如果有空格，路径有没有正确包起来。

11.3 音频识别结果很乱

先不要急着换模型，先看音频本身。

我固定按这个顺序排查：

  1. 原始录音是不是太吵；
  2. 有没有多人同时说话；
  3. 音频有没有先转成16kHz单声道；
  4. 有没有把语言参数固定成zh。

大部分问题都出在前处理，不出在模型。

11.4 输出里夹杂英文乱码或者专有名词不准

会议里只要有产品代号、英文缩写、人名，模型就可能有一点偏差。这个很正常。

我的处理办法很直接：先拿转写结果做底稿，再做一轮人工快速复核。

人工复核不需要从头听一遍音频，只需要重点看：

  1. 人名；
  2. 产品名；
  3. 时间节点；
  4. 数字；
  5. 缩写词。

这样工作量很低，但结果会稳很多。

总结

本项目在骁龙X2 Elite（Windows 11 ARM64）笔记本上，成功搭建了一套完全离线、可直接投入办公使用的会议纪要自动化闭环系统。全文分为两大阶段，核心逻辑是“先转写，后整理”。这套链路完全抛弃云端依赖，具有足够轻（脚本简单）、足够稳（阶段分离、格式固定）、足够实用（直接适配周会、复盘会、客户沟通会）的特点。至此，X2 Elite从“能跑模型”进阶为“能承担完整办公场景”的生产力工具，产出的Markdown纪要可直接复制到企业微信、飞书或邮件中发送归档。

Logo
智能体开发者社区

中国智能体开发者社区，聚焦智能体与大模型开发，提供前沿资讯、实用工具链、开源项目及行业案例。通过技术沙龙、开发者大赛等活动，促进经验交流与协作，助力开发者快速构建创新智能应用。

更多推荐

cover

2026年AI Agent开发完整学习路线 | 后端工程师转型指南 | 从零到手搓生产级多Agent系统

avatar 智能体开发者社区

AI Agent 大模型开发技术框架选型指南

LangChain 是目前认知度最高的大模型应用开发生态之一，提供统一的模型接口、Prompt、工具调用、文档加载、文本切分、向量存储、检索器、中间件和 Agent 抽象。当前官方将 LangChain 定位为快速构建 Agent 的高层框架，并将复杂、可控的底层编排交给 LangGraph。

avatar 智能体开发者社区
cover

你的 AI Agent 正在被攻陷，而大多数团队还蒙在鼓里

avatar 智能体开发者社区