开了一下午会，手机里躺着两小时录音；娃的网课视频存了一堆，从来没二刷过；采访录了 90 分钟，回头整理要花一整天。9 月 18 日阿里千问发布的全模态模型 Qwen3.8-Omni-Flash，就是把这类”音视频文件”直接丢给 AI、让它替你听完看完再整理好的。这篇教程零基础照做，5 分钟能上手。
一、它凭什么值得学：三个实在的亮点
- 一个模型全收：文本、图片、音频、视频统一处理，上下文 1M Token，最长 1 小时的音视频可以原生输入——不用先切段、不用先转文字
- 会议场景是主打：能做说话人切分、内容转录、身份对应，直接输出纪要和待办；在标准会议测试集上，说话人分离和转写错误指标比上一代好了几十倍（误差从 88 级别降到 3.35/17.18）
- 价格打下来了：API 每小时音频输入价格较上代降超 98%、音视频输入降超 93%——价格暴跌，意味着我们网页端能用上的机会和免费额度都会更宽裕
一句话定位：过去你用录音转写工具只能拿到一堆文字，这个模型是既听声音又看画面、还能直接帮你干活——整理完纪要可以顺手草拟跟进邮件，看完网课视频可以直接输出图文笔记 PDF。
二、手把手：网页版五步出会议纪要
第 1 步：打开千问官网网页版并登录。浏览器搜索”千问”进入官网（Qwen Chat），手机号或支付宝登录即可，网页版免费可用。
第 2 步：新建对话，找到模型。在模型选择里选 qwen3.8-omni-flash（如果列表里没有，用平台搜索框直接搜模型名）。
第 3 步：上传文件。点击输入框的附件按钮，上传你的录音或视频文件（单文件最长 1 小时）。手机里微信收藏的语音、录音笔导出的 m4a、网课下载的 mp4 都支持。
第 4 步：说清你要什么。这是最关键的一步。不要只说”帮我总结一下”，把格式、重点、输出结构一次说清。可以直接复制这段：
帮我整理这份会议录音，输出四部分：① 一句话总结这次会议；② 主要结论逐条列出；③ 分歧点（谁主张什么）；④ 待办事项表格（事项、负责人、截止时间）。如果有人没报姓名，就用”说话人1/说话人2″标注。
第 5 步：追问和导出。对结果不满意就继续提要求，比如”待办再按紧急程度排序””把结论部分扩写成一段话”。满意后复制内容贴到腾讯文档或 Word，还可以让它顺手起草一封发给全组的跟进邮件。
三、5 个最实用的场景
场景 1：开会的人——纪要、待办、跟进邮件一条龙。录音丢进去先出纪要，再补一句”把待办部分整理成邮件正文，语气正式，发给项目组”。1 小时以内的周会、评审会、客户会都能整段处理。
场景 2：学生党——网课视频转图文笔记。把录播课视频上传，说”按章节整理成图文笔记，每章列出 3 个核心考点和 2 道自测题，最后附一份复习清单”。它看得到视频里的 PPT 画面，公式和图表也能进笔记。
场景 3：采访者/播客主理——多说话人访谈整理。说”区分不同发言人，按问答结构整理，每位受访者的回答单独成段，金句用引号标出”。它对多说话人识别是强项，39 种中文方言也能听。
场景 4：直播带货/做视频的——长视频定点回看。两小时直播回放不想全看？说”先给我视频大纲和时间轴；再重点找出所有讲价格和优惠的部分，总结报价口径”。它会先用”智能取证”快速扫描定位关键片段再细看，又快又省。
场景 5：健忘星人——语音备忘录大扫除。把手机里几十条零散语音（同类文件可以分批传），说”把这几条语音里的内容合并成一份待办清单，按工作/家庭分类，标注我认为紧急的项”。
四、进阶玩法（选读）
- 实时口语陪练：配套的 Qwen3.8-Omni-Flash-Realtime 实时版支持即时对话纠音，练外语口语可以用起来
- 视频产出：Music2MV（按歌曲生成带时间轴歌词的 MV）、短剧翻译（角色识别+克隆配音）、电影解说（自动提炼情节剪辑）——做自媒体的可以蹲一个
- 开发者：API 走阿里云百炼平台，兼容 OpenAI 接口；配套插件 Qwen-MM-Plugins 已开源，装在 Claude Code、Qwen Code 里就能用”@视频.mp4 帮我做成解说视频”这类指令
五、4 个避坑提醒
- 1 小时是硬上限：超长会议先按议题切段上传，效果反而更好
- 说话人名单提前给：AI 只知道”说话人1、说话人2″，开会时谁说了什么，你把名单发给它对一遍，纪要质量立刻上一个台阶
- 涉密内容先脱敏：公司未公开的财务数据、客户隐私、合同细节，建议先处理再上传——云端处理总有留存风险，这条红线别省
- 和录音转写工具的区别想清楚：腾讯元宝录音笔这类工具适合”边录边转”的实时场景；千问 Omni-Flash 适合”已有文件、要深度理解和产出”的场景。工具是互补的，不是替代的
今天就能做的一件事：翻出手机里躺了最久的那条没整理的录音，传上去跑一遍。体验一次”录音进去、纪要出来”，你就回不去了。