两小时的播客、一下午的会议录音，转成文字稿轻松两三万字。整个贴进 AI 对话框，常见结局有两种：直接提示超长被截断；或者看起来总结出来了，但第 70 分钟那个最关键的决定完全没出现在结果里。
这不是模型不行，是喂法不对。搞清楚一个概念、一个现象、一套流程，就够用了。
token：模型眼里的计量单位
模型不按「字」处理文本，按 token——分词器切出来的最小单位。换算感觉：
- 英文约 1 token ≈ 4 个字母（0.75 个单词）
- 中文因模型而异，粗略按 1 个汉字 ≈ 1 token 出头估算；为什么中文普遍比英文「贵」，见中文在 LLM 里为什么更贵
代入现实：口语语速每分钟 200–250 字，两小时节目 ≈ 2.5–3 万字 ≈ 3 万–4.5 万 token。这个数字决定了三件事：塞不塞得进上下文窗口、API 计费多少、以及要分几块。不同模型的分词差异不小，精确值用 LLM Token 计数实测，别按字数猜。
塞得下 ≠ 处理得好
现在的模型动辄几十万 token 上下文，两小时文字稿理论上塞得下。但「塞得下」和「处理得好」之间有三道坎：
中间遗忘。 大量测试反复验证：模型对长输入的开头和结尾利用得最好，中段信息的召回明显下滑。一次性塞入的会议记录，最重要的结论若出现在第 70 分钟，恰好落在最容易被略过的位置。
输出稀释。 给模型 3 万 token 要一份总结，它的输出就几百到一两千字，平摊到每个话题只剩两三句。分成 6 块分别总结，同样的内容拿到 6 倍的输出预算，细节保留量完全不是一个量级。
费用结构。 按 token 计费的场景下，长对话每追问一轮都要重新支付整个上下文的费用——这笔账在长上下文成本工程里算得很细。
反过来说，几千 token 的短文、或者「从中找某个具体信息」的检索型任务，不用分块，直接整段给最简单。分块是给「长材料 + 全面整理」这个组合准备的。
分块的第一原则：跟着内容边界走
最常见的错误做法是每 2000 字硬切一刀。断口落在句子中间时，前一块以半句话结尾、后一块没头没脑地开始，两块在断口附近的总结都会失真。
切分位置的优先级：
- 话题边界——讲者换话题处。文字稿里的线索是段落间较长的时间间隔（这正是转文字稿时按停顿分段的价值）
- 段落边界
- 句子边界
- 句中——万不得已
操作方式是「上限 + 就近收块」：设定单块 token 上限（2000–4000 是各模型都舒服的区间），按段落聚合，逼近上限时在最近的段落边界收块。既不破坏语义，又不超预算。
至于块与块之间要不要重叠：做检索（RAG）时通常留 10–15% 重叠，防止答案恰好横跨两块；顺序总结不需要重叠——用「前一块的三行小结」衔接更省 token，效果还更好，这就引出提示词的写法。
逐块提示词 + 最后合并：map-reduce 两段式
裸贴一句「总结一下」，每块会被当成独立文章处理，合并时风格混乱、「他」「这个方案」之类的指代全断。逐块提示词要交代四件事：
这是一期关于「××」的播客文字稿，共 6 块，这是第 3 块。
前一块的小结：（三行要点）
请提炼本块要点，每条 1–2 句，条目后标注依据的时间戳 [mm:ss]；
区分发言人；不要开场白和结语，不要补充文字稿之外的信息。- 全局背景 + 块位置：模型知道自己在处理局部，不会给每块都写「本文介绍了…」
- 前块小结衔接：代替大段重叠文本，跨块指代接得上
- 统一的输出格式：合并阶段不用返工
- 负面清单：禁客套、禁自行发挥
全部块跑完后进入第二段：把各块小结按顺序连起来，加一句「这是同一份文字稿各部分的小结，请合并成一份连贯的总结」，一次交给模型。这就是长文档处理的标准形态 map-reduce：逐块提炼（map），统一归并（reduce）。
时间戳：最便宜的防幻觉手段
提示词里那句「标注时间戳」值得单独说。要求每条要点锚定到 [42:10] 这样的段落时间戳，有三重效果：
- 模型凭空发挥的空间被压缩——编造的论点没有时间戳可标
- 任何存疑的要点，跳回原音频几十秒即可核实，不用重听全程
- 合并阶段按时间戳排序，多块小结不会时序错乱
配套两条纪律：数字、金额、日期让模型原样引用而非转述（转述是数字幻觉高发区）；拿到总结先抽查两三条边缘要点——重要结论通常没错，错的都藏在细节里。
落到工具上
整条流水线在本站可以走通：字幕转文字稿先做去重、断句、段落时间戳，再用它的按 token 分块功能——在段落边界收块，每块自动带上可编辑的提示词模板，逐块复制给任意 AI 使用，全程本地处理。文字稿的整理原理见字幕转文字稿的三步结构还原，token 的计数细节见 LLM Token 计数。