三小时审完一百门课 - 我们教研团队的AI切分与摘要流水线
一、业务痛点:课程上线前的“人工瓶颈”
我是一家小型在线教育团队的教研负责人,团队 7 个人,管理着一批视频课程内容。每个季度要上新大约一百门课,每门课 40 分钟到 3 小时不等。在课程上线前,有两道绕不开的工序:
章节切分:讲师录完的视频往往是一整段,需要人工拖动进度条,凭听感判断“这里换了个话题”,然后手动打点切章。一个熟练编辑处理一门 2 小时的课需要 1.5~2 小时,且质量参差不齐——同一个讲师的课,不同编辑切出来的章节粒度差异很大,学员投诉“章节跳跃”“标题不知所云”的情况每月都有。
字幕摘要:我们要求每章配 100 字以内的摘要,方便学员预览。这又是一遍从头听到尾的工作。
两道工序叠加,一百门课的上线周期要拖 3~4 周,编辑团队加班是常态,而内容积压直接影响营收节奏。更让我不安的是风险面:人工工序没有沉淀任何结构化产物,编辑离职后,他“凭感觉”切的章节逻辑就没了,返工成本极高。
去年年底,我们决定把这两道工序AI化。这篇文章复盘整个落地过程,重点讲流程、协作和风险控制——这是管理者在AI项目里最该盯的三件事。
二、架构设计:三层流水线 + 统一AI网关
我们没有一上来就追求“全自动”,而是设计了一条人机协作流水线:AI 做 80% 的粗加工,编辑做 20% 的审核修正。整体架构分三层:
┌─────────────────────────────────────────────┐
│ 第一层:媒体预处理(无AI,纯工程) │
│ 视频上传 → FFmpeg 抽音频 → 转码降噪 │
└──────────────────┬──────────────────────────┘
↓
┌─────────────────────────────────────────────┐
│ 第二层:AI 加工层(核心) │
│ ① Whisper 类模型:语音转文字 + 时间戳 │
│ ② LLM:基于带时间戳的文稿做话题边界检测, │
│ 输出候选章节点(含置信度分数) │
│ ③ LLM:每个章节生成标题 + 100字摘要 │
└──────────────────┬──────────────────────────┘
↓
┌─────────────────────────────────────────────┐
│ 第三层:人工审核层(协作与风控) │
│ 编辑在审核后台看 AI 建议章节 → 一键采纳/调整 │
│ 低置信度章节强制人工确认 → 审核记录留痕 │
└─────────────────────────────────────────────┘所有 AI 调用都经过一个统一AI API 网关,而不是在代码里直接对接各家模型 API。这个决策后面细说,它是我们控制维护成本的关键。
三、关键实现步骤
按上线顺序,分五步:
步骤 1:转录(地基)
用语音识别模型把音频转成带时间戳的文稿。一门 2 小时的课转录约 5~8 分钟。注意保留句子级时间戳,这是后续切章的锚点。
步骤 2:章节边界检测
将文稿按每 5 分钟一个窗口送入 LLM,prompt 要求它输出“话题切换点”及其理由。我们没有让模型直接输出最终章节,而是输出候选切分点 + 置信度,这是给人工审核留接口的关键设计。
步骤 3:摘要生成
确定章节后,逐章生成标题和摘要。Prompt 里明确约束:标题不超过 15 字、摘要 80~100 字、必须基于原文不得发挥。教学内容的幻觉问题必须从 prompt 层面就卡死。
步骤 4:审核后台
做一个极简的 Web 界面:左边视频播放器,右边章节列表。编辑点击某个章节点,播放器自动跳转预览;置信度低于阈值的章节点标红,必须人工确认后才能进入发布流程。
步骤 5:抽检与回溯
每周随机抽 10% 的已上线课程做质量回检,人工评分记录在案。这既是质量兜底,也是评估模型表现的持续数据来源。
核心流程清单如下:
# 伪代码:章节切分主流程
def process_course(video_file):
# 1. 媒体预处理
audio = extract_audio(video_file) # FFmpeg
transcript = asr_transcribe(audio) # 网关调用语音模型
# 2. 章节边界检测
segments = detect_topic_boundaries(
transcript, window_minutes=5
) # 返回 [{timestamp, topic, confidence}, ...]
# 3. 分级处理:高置信自动通过,低置信进人工队列
auto_pass = [s for s in segments if s.confidence > 0.85]
manual_queue = [s for s in segments if s.confidence <= 0.85]
# 4. 章节内容生成
for chapter in auto_pass:
chapter.title, chapter.summary = \
generate_summary(transcript, chapter) # 网关调用LLM
publish(auto_pass, pending_review=manual_queue)四、管理者最该关心的三件事
流程上:AI 不是替换编辑,而是把编辑的角色从“生产者”变成“审核者”。上线后单门课的处理时间从 2 小时降到 25 分钟左右,其中 20 分钟是审核。整个工序变成可计量的——每门课的置信度分布、人工干预率都有数据,排产不再靠拍脑袋。
协作上:讲师、编辑、审核三方的争议明显减少。以前章节怎么切靠编辑个人判断,现在 AI 给出基线建议,编辑的调整都记录在案,逐渐沉淀成团队的切分规范。
风险控制上:我们设了三道闸门——低置信度强制人工、教学内容摘要禁止模型发挥、每周抽检。上线半年,章节相关投诉显著下降,且没有出现过摘要内容失实的问题。
五、为什么坚持走统一AI API 网关
落地过程中我们踩过一个坑:最初转录和摘要分别直连两家模型 API,各自的 SDK、鉴权、计费逻辑散落在代码里。第三周摘要模型一次接口变更,我们改了两个下午。
重构后,所有模型调用收敛到统一网关层,收益立竿见影:
- 换模型只改配置:切分效果不好想换模型,改一行路由配置就行,业务代码零改动。我们试过三个不同模型对比章节质量,每次不到半小时完成。
- Key 集中管理:密钥不落代码、不进仓库,只配在网关侧,权限和用量可控,避免泄露和滥用账单。
- 成本可观测:所有调用的 token 用量、费用、耗时统一上报,每月成本对账一张表,方便我向老板交代。
- 统一降级策略:某家模型超时,网关自动切换备选模型,流水线不停摆——课程上线有排期,可用性比极致效果更重要。
对小团队来说,人手有限,最贵的不是 API 费用,而是工程师反复改接入代码的时间。网关层一次性投入后,后续每次模型迭代、供应商调整都是低成本操作。
写在最后
这套流水线上线半年,教研团队从“赶工期切章节”变成了“审核和打磨内容”,课程积压问题基本解决。如果你也在做类似的视频内容AI化改造,模型选型和网关接入可以一站式解决,建议先到 https://api.thistoken.ai/register 注册试用,把统一接入层搭起来,再逐步迭代你的切分与摘要逻辑。
---
本文的示例只需一个 API Key 就能复现:在 https://api.thistoken.ai/register 注册即用。