AI如何洞察对话中的情绪

某日与友通话，挂断后友人感叹，若能录下刚才的对话就好了，以免遗忘要点。巧合的是，我的通话恰好自动录音并转录，便将文本发送给Claude Code（接deepseek-v4-pro）进行整理。

由此联想到，何不一并整理手机中自动保存的历年通话录音，以此回顾我近几年的心境变化。

早期的录音并未自动转录，常用飞书的我灵机一动，将录音上传至飞书妙记，转录效果令人满意，但飞书妙记的语音转文字时长消耗得很快。

于是我与Claude Code商讨，是否有快速批量转录的途径。它推荐了三个方案：飞书妙记、通义听悟、本地whisper。本地工具暂不考虑，通义听悟我曾用过且尚有余额，但试用后发现效果不及飞书妙记，遂放弃。

最终，我不得不转向尝试方案三：本地whisper。Claude Code接到指令后迅速行动，缺什么补什么，安装完成后开始测试一段录音。那是一段2023年底的通话，当时我临近订婚，与朋友谈论此事。Claude Code通过本地工具转录后向我汇报结果，其中包含一段内容摘要：提及你当时男友家提亲、你母亲及亲戚在场、堂姐插手提条件等，情绪颇为激动。

“情绪颇为激动”这几个字瞬间吸引了我的注意，我好奇它是从录音中听出来的，还是仅仅从转录的文本中解读出来的？当我初次将通话转录文本输入AI进行分析时，我就在思考，现实世界中的对话，除了文字本身，还蕴含着海量的信息，说话人的语调、表情、肢体动作等，都可能影响听者对文本的理解。当对话剥离了这些信息，只剩下文本，那么对话的完整信息就已经失真了。然而，AI目前的能力仅限于处理文本，也只能如此。

于是我追问它：你是如何判断情绪激动的？是谁的情绪激动？

一个小插曲：

在本地工具进行转录的过程中，我第一次发现AI也会激动得写错别字😅

最后是对AI的日常调侃：