我现在看两三个小时的网课，基本不会从头硬啃了。
不是课程没价值，而是视频这种形式效率确实不高。老师讲十分钟，真正需要记下来的可能只有两三句话；中间再穿插案例、闲聊和重复解释，很容易看到一半就走神。
我现在比较常用的办法是：
先把视频转成文字，再让AI整理成笔记，最后只回看真正重要的片段。
这样一节两小时的课，通常二三十分钟就能抓住重点。
最省事的：NotebookLM
如果内容来自公开的YouTube视频，我一般先想到NotebookLM。
把公开视频链接放进去，它会读取视频字幕，之后可以直接问：
- 这期视频讲了什么？
- 把核心观点整理成笔记；
- 哪些地方最值得回看？
- 按章节生成学习提纲；
- 把专业名词单独列出来解释。
它还可以接收MP3、WAV等音频文件。不过要注意，YouTube视频必须是公开的，而且要有上传者字幕或自动字幕；NotebookLM实际导入的是视频的文字转录，不是直接理解每一帧画面。
NotebookLM比较适合"看完以后要学习"的内容。
普通转写软件只是给你一大坨文字，NotebookLM则更像是把课程变成了一本可以继续提问的电子讲义。
它的缺点是，对于没有字幕的视频、国内网课平台以及需要登录才能观看的课程，通常不能直接扔链接进去。这种情况下，就要先取得自己有权处理的音视频文件，再进行转写。
中文网课：讯飞听见更省心
如果主要是中文课程、访谈或者中文播客，我觉得讯飞听见还是比较实用。
直接上传音频或视频，选好语言、专业领域和说话人数，等它转完以后就能在线修改、导出文字。
讯飞官方目前支持普通话、中英混合、多种外语和不少中文方言，也可以做说话人区分。官方给出的数据是，一小时音频最快约五分钟出稿，清晰、标准的普通话录音准确率最高可达98%；这个数字属于厂商口径，实际效果还是很看录音质量。
我觉得它最适合两类人：
一类是完全不想配置软件，只想上传文件拿到文稿的人。
另一类是课程里有大量中文专业名词的人。像医疗、金融、法律这类内容，可以选择对应领域或者加入热词，通常会比普通转写少错一些。
当然，AI转写不可能完全准确。人名、药名、英文缩写、数字和公式，最好还是自己检查一遍。
英文播客：Descript或Otter
英文内容我比较推荐Descript和Otter。
Descript更像"文字版的视频编辑器"。把音频或视频导进去后，它会生成可以直接编辑的文字稿。最后能导出为DOCX、Markdown、TXT、HTML等格式，还可以保留时间码和说话人标签。
它特别适合这种场景：
你不只是想看文字，还想根据文字删掉一部分音频、做字幕、剪播客或者整理采访。
Otter则更偏会议和多人对话。上传音视频后，它除了生成全文，还会自动整理摘要、提纲、行动事项，并识别不同说话人。
英文访谈、圆桌播客、线上课程，用Otter会比较顺。
但纯中文内容，我个人一般不会优先选这两个，毕竟国内语音工具对普通话、方言和中英混说往往更贴近实际使用场景。
在意隐私或者经常批量处理：Whisper
还有一种办法是使用基于Whisper的本地转写工具。
Whisper是OpenAI发布的多语言语音识别模型，也可以通过官方语音转文字API使用。
它的优势是灵活。
会一点电脑操作的人，可以把模型部署在自己的电脑上，音频不必上传到第三方平台。一次要处理几十节课，也可以写脚本批量转写。
但它并不适合所有人。
本地安装、模型下载、硬件性能、字幕格式，多少都需要折腾一下。只是偶尔转一两段视频，为了省十几块钱研究半天环境，可能反而不划算。
我更推荐"转写工具＋大模型"的组合
单纯把视频变成文字，其实只完成了一半。
一小时课程转出来可能有一两万字，你面对的只是从"看不完视频"变成了"看不完文字"。
我通常会保留一份原始转写稿，再把副本交给ChatGPT、Claude或者其他大模型，使用类似下面的要求：
请把这份课程转写稿整理成一份学习笔记。
不要简单压缩原文，按照"核心结论---概念解释---案例---可执行方法---容易误解的地方"组织。
删除口头语和重复内容，但保留重要数字、人名、书名和专业术语。
无法确认的信息请标记出来，不要自行补充。
最后列出5个值得回看原视频的位置，并注明对应时间。
前提是转写稿本身带时间码。
这样整理出来的文档，会比单纯让AI"总结一下"好用很多。
实际使用时，还有几个坑
第一个坑是录音质量。
背景音乐太大、多人同时说话、麦克风声音小，再贵的软件也会大量出错。能拿到原始音频，就不要对着电脑扬声器二次录制。
第二个坑是公式和画面。
语音转文字只能听见老师说了什么，看不到PPT上的图表、代码和公式。技术课程最好把关键PPT或视频截图一起交给AI，否则文字笔记可能缺掉最重要的部分。
第三个坑是不要完全相信摘要。
AI很擅长把内容整理得"看起来很像那么回事"，但数字、专有名词和因果关系仍然可能整理错。医疗、法律、投资等内容尤其要对照原视频确认。
最后，如果让我直接给选择：
公开YouTube课程，用NotebookLM。
中文网课和中文播客，用讯飞听见。
英文访谈和播客，用Otter或Descript。
重视隐私、经常批量处理，而且愿意折腾，用Whisper本地转写。
我自己最常用的还是：
先转写，再用大模型重组，最后根据时间码回看关键片段。
AI在这里最大的价值，不是替你"看完"课程，而是先把两小时的内容压缩成一张地图，让你知道哪些地方值得真正花时间。