---

title: “影刀RPA 电话录音自动整理：语音转文字与关键信息提取”
date: 2026-07-01
author: 林焱

影刀RPA 电话录音自动整理：语音转文字与关键信息提取

客服部门每天有几百通电话录音，要人工听录音、整理问题类型、提取客户诉求，这是典型的重复信息处理工作。影刀配合语音识别API可以自动转录和分类，大幅降低人工复听成本。

什么情况用什么

适合自动化处理的场景：

• 客服电话录音大量积压，需要快速整理

• 需要统计客户问题类型分布

• 从录音中提取订单号、投诉内容等关键信息

• 

• 质检抽查，自动检测服务用语规范性

不适合的场景：

• 录音音质太差（嘈杂环境、多人同时说话），识别率会很低
• 语言是方言或小语种，通用识别API支持不好

怎么做

方法1：阿里云语音识别API转录（推荐）

阿里云一句话识别和录音文件识别，价格低精度高，支持中文普通话。

【影刀操作】

1. 先开通阿里云智能语音服务，获取 AccessKey ID 和 AccessKey Secret

2. 添加【Python】指令（安装SDK）

   import subprocess
   subprocess.run(['pip', 'install', 'alibabacloud-nls-python-sdk'], capture_output=True)
   

3. 添加【Python】指令（批量转录录音）

   import os
   import time
   import json
   import requests
   
   # 使用阿里云录音文件识别（适合>60秒的录音）
   # API文档：https://help.aliyun.com/document_detail/90727.html
   
   ACCESS_KEY_ID = 'your_key'
   ACCESS_KEY_SECRET = 'your_secret'
   APP_KEY = 'your_app_key'
   
   def get_token():
       """获取访问Token"""
       from aliyun_python_sdk_core.client import AcsClient
       from aliyun_python_sdk_core.request import CommonRequest
       
       client = AcsClient(ACCESS_KEY_ID, ACCESS_KEY_SECRET, 'cn-shanghai')
       request = CommonRequest()
       request.set_method('POST')
       request.set_domain('nls-meta.cn-shanghai.aliyuncs.com')
       request.set_version('2019-02-28')
       request.set_action_name('CreateToken')
       response = client.do_action_with_exception(request)
       token_info = json.loads(response)
       return token_info['Token']['Id']
   
   def submit_transcription_task(file_url, token):
       """提交录音转写任务"""
       headers = {
           'Content-Type': 'application/json',
           'X-NLS-Token': token
       }
       data = {
           'app_key': APP_KEY,
           'file_link': file_url,  # 录音文件的公网URL
           'version': '4.0',
           'enable_words': False,
           'enable_sample_rate_adaptive': True
       }
       resp = requests.post(
           'https://filetrans.cn-shanghai.aliyuncs.com/api/submit',
           headers=headers,
           json=data
       )
       result = resp.json()
       if result['StatusCode'] == 21050000:
           return result['TaskId']
       raise Exception(f'任务提交失败：{result}')
   
   def query_transcription_result(task_id, token):
       """查询转写结果"""
       headers = {
           'Content-Type': 'application/json',
           'X-NLS-Token': token
       }
       
       for _ in range(60):  # 最多等10分钟
           resp = requests.post(
               'https://filetrans.cn-shanghai.aliyuncs.com/api/query',
               headers=headers,
               json={'app_key': APP_KEY, 'task_id': task_id}
           )
           result = resp.json()
           status = result.get('StatusCode')
           
           if status == 21050000:  # 成功
               # 提取文本
               sentences = result.get('Result', {}).get('Sentences', [])
               text = ''.join([s['Text'] for s in sentences])
               return text
           elif status == 21050002:  # 处理中
               time.sleep(10)
               continue
           else:
               raise Exception(f'转写失败：{result}')
       
       raise TimeoutError('转写超时')
   
   # 批量处理录音文件
   audio_dir = r'C:\录音文件'
   output_dir = r'C:\转录文本'
   os.makedirs(output_dir, exist_ok=True)
   
   # 注意：阿里云API需要公网可访问的URL，需要先把文件上传到OSS
   # 这里演示处理已有公网URL列表的情况
   audio_urls = yda.get_variable('audio_url_list')  # 从前一步获取
   
   token = get_token()
   
   results = []
   for idx, audio_url in enumerate(audio_urls):
       print(f'处理第{idx+1}个文件：{audio_url}')
       try:
           task_id = submit_transcription_task(audio_url, token)
           text = query_transcription_result(task_id, token)
           results.append({'url': audio_url, 'text': text, 'status': 'success'})
           print(f'  转录成功：{text[:50]}...')
       except Exception as e:
           results.append({'url': audio_url, 'text': '', 'status': f'failed: {e}'})
           print(f'  转录失败：{e}')
   
   yda.set_variable('transcription_results', json.dumps(results, ensure_ascii=False))
   

方法2：从转录文本提取关键信息

【影刀操作】

1. 添加【Python】指令

   import re
   import json
   
   results = json.loads(yda.get_variable('transcription_results'))
   
   def extract_info(text):
       """从对话文本提取关键信息"""
       info = {}
       
       # 提取订单号（数字序列）
       order_pattern = r'订单[号码]?[是为：:\s]*([A-Z0-9]{8,20})'
       order_match = re.search(order_pattern, text)
       info['order_id'] = order_match.group(1) if order_match else ''
       
       # 提取手机号
       phone_pattern = r'1[3-9]\d{9}'
       phone_match = re.search(phone_pattern, text)
       info['phone'] = phone_match.group(0) if phone_match else ''
       
       # 问题分类（关键词匹配）
       complaint_keywords = ['投诉', '质量差', '没收到', '破损', '假货', '退款']
       inquiry_keywords = ['怎么', '如何', '什么时候', '查询', '咨询']
       
       if any(k in text for k in complaint_keywords):
           info['category'] = '投诉'
       elif any(k in text for k in inquiry_keywords):
           info['category'] = '咨询'
       else:
           info['category'] = '其他'
       
       # 情感判断（简单版）
       negative_words = ['不满意', '太差', '骗人', '坑', '差评', '无语', '垃圾']
       positive_words = ['谢谢', '很好', '满意', '不错', '感谢']
       
       neg_count = sum(1 for w in negative_words if w in text)
       pos_count = sum(1 for w in positive_words if w in text)
       
       if neg_count > pos_count:
           info['sentiment'] = '负面'
       elif pos_count > neg_count:
           info['sentiment'] = '正面'
       else:
           info['sentiment'] = '中性'
       
       return info
   
   # 处理所有转录结果
   enriched_results = []
   for item in results:
       if item['status'] == 'success':
           extracted = extract_info(item['text'])
           enriched_results.append({**item, **extracted})
       else:
           enriched_results.append(item)
   
   # 保存到Excel
   import pandas as pd
   df = pd.DataFrame(enriched_results)
   df.to_excel(r'C:\转录文本\分析结果.xlsx', index=False)
   
   # 统计
   category_counts = df['category'].value_counts()
   sentiment_counts = df['sentiment'].value_counts()
   print(f'问题分类：{category_counts.to_dict()}')
   print(f'情感分布：{sentiment_counts.to_dict()}')
   

有什么坑

坑1：录音文件格式不支持

阿里云只支持mp3、wav、aac、m4a等格式，某些系统录音格式是.amr或.silk。

解决方法： 先用ffmpeg统一转换格式：

import subprocess
subprocess.run(['ffmpeg', '-i', 'input.amr', '-ar', '16000', 'output.wav'])

坑2：录音需要公网URL

本地文件不能直接传给阿里云API，要先上传到OSS。

解决方法： 在流程里加上传OSS的步骤，获取临时URL再调用转录API。

坑3：多人说话识别混乱

双通道录音（客服和客户各一个麦克风）转录后混在一起，分不清谁说的什么。

解决方法： 使用阿里云的"说话人分离"功能（enable_speaker_diarization: True），会给每句话标注说话人ID。

坑4：转录准确率不高

专业名词、地名、产品型号识别错误率高。

解决方法： 使用阿里云的热词功能，上传企业专有词汇，提高识别准确率。

总结

录音自动化处理的价值被很多人忽视。从文件上传、转录提交、结果查询到关键信息提取，全链路自动化后，一天的电话录音几分钟就能分析完，质检效率提升10倍以上。关键是选好语音识别服务，阿里云、腾讯云、讯飞都可以，对比一下价格和准确率选最适合的。