用 Pipedream 自动转写 Drive 音频：省一半时间

人工智能在媒体与内容产业••By 3L3C

用 Pipedream 监听 Google Drive 新文件，自动下载并用 Deepgram 转写，再把结果发送/入库。适合小团队的语音识别自动化模板。

PipedreamGoogle DriveDeepgram语音转写工作流自动化内容生产AI语音助手
Share:

Featured image for 用 Pipedream 自动转写 Drive 音频：省一半时间

用 Pipedream 自动转写 Drive 音频：省一半时间

团队里最“隐形”的时间黑洞，往往不是开会本身，而是会后整理：录音下载、丢进转写工具、复制粘贴、再发给相关同事。对小团队来说，这类重复动作一天做几次还好；一旦内容生产变成常态（访谈、播客、销售复盘、用户调研、线上培训），你会发现流程拖慢了发布节奏，也拖慢了决策。

我更倾向于把“转写”当成内容生产流水线的一段，而不是一个孤立工具。尤其在“人工智能在媒体与内容产业”的语境下，转写不是终点，它是内容检索、二次创作、推荐分发、合规留存的入口。

这篇文章用一个非常实用的例子把事情讲透：当 Google Drive 某个文件夹出现新音频/视频时，Pipedream 自动下载文件、调用 Deepgram 做语音识别（ASR），并把结果发到邮箱（你也可以改成写入 Notion/飞书/Slack/CRM）。你会得到一个可复用的“语音识别 + 自动化工作流”模板。

为什么小团队更应该把“转写”自动化

答案很直接：自动化不是为了炫技，是为了把注意力从搬运转回业务。

在媒体与内容团队里，转写通常服务于三件事：

  1. 更快地产出内容：播客/视频号口播 → 文字稿 → 精剪片段 → 标题与简介
  2. 更好地沉淀知识：周会/访谈/培训录音 → 可搜索文本 → SOP/知识库条目
  3. 更稳地做合规与复盘：销售通话/客服录音 → 质检与抽检 → 话术优化

如果每次都靠人工上传、复制链接、手动粘贴，流程会天然产生延迟。延迟意味着：内容发布慢、项目推进慢、反馈闭环慢。

一句很“现实”的判断：当你的转写流程需要一个人去“盯着它完成”，它就不可靠。

自动化工作流的价值在于：触发条件明确、路径固定、输出可追踪。Pipedream 这种低代码平台，正好适合小企业把零碎环节连起来。

工作流架构：Google Drive → Pipedream → Deepgram → 输出

答案先给：你要搭的工作流可以拆成 4 段——触发、取文件、转写、分发/存储。

  • 触发（Trigger）：Google Drive 指定文件夹出现新文件
  • 取文件（Download）：把文件下载到 Pipedream 的临时存储（/tmp）
  • 转写（Transcribe）：用 Deepgram Node.js SDK 把音频/视频转成文字
  • 输出（Send/Store）：邮件通知、写入表格/数据库、创建文档、发到群里

为什么用 Pipedream，而不是“脚本 + 定时任务”？

如果你是小团队，Pipedream 的优势很实在：

  • 连接器多：Google Drive、Gmail、Slack、Notion、Airtable、Webhook 等直接可用
  • 开发者友好：可以写 Node.js（还能装 npm 包），比纯低代码更灵活
  • 省掉 CRUD 时间：你不必把大量精力花在拉取文件列表、鉴权、重试机制上
  • 临时存储够用：工作流执行过程中可用约 2GB 的临时空间（适合处理单个文件）

对内容团队来说，这种“低代码 + 少量代码”的组合，通常比从零维护一套自建服务更划算。

逐步搭建：自动监听 Drive 文件夹并转写

答案先说清楚：你只需要三个账号/资源——Pipedream 账号、Google 账号、Deepgram API Key。

Step 1：用 Google Drive 新文件触发工作流

在 Pipedream 新建一个空工作流，选择触发器：

  • Google Drive New Files (Instant)

注意两点：

  1. 授权时勾选允许查看、编辑、删除、下载（否则后面下载会失败）
  2. 默认是“全盘监听”，建议把范围缩小到某个指定文件夹，避免误触发

完成后你可以往该文件夹丢一个音频文件（如 hello.mp3）来生成测试事件数据，供后续步骤引用。

Step 2：下载文件到 Pipedream 临时目录 /tmp

转写服务通常需要拿到文件本体，不能假设文件是公开权限。所以第二步是下载：

  • Action：Google Drive Download File
  • File：使用触发器里的 File ID
    • {{steps.trigger.event.id}}
  • Destination File Path：
    • /tmp/{{steps.trigger.event.name}}

这一步会把 Drive 文件保存为本地临时文件，例如：/tmp/hello.mp3。

经验：文件名里尽量别有奇怪字符（尤其是斜杠、过多空格）。为了稳定，你也可以在下载前加一步“重命名/规范化文件名”。

Step 3：调用 Deepgram 做语音识别（Node.js 代码）

新建一个 Deepgram 步骤，连接 Deepgram 账号并填入 API Key。然后用下面的代码骨架：

const fs = require('fs')
const { Deepgram } = require('@deepgram/sdk')

module.exports = defineComponent({
  props: {
    deepgram: {
      type: "app",
      app: "deepgram",
    }
  },
  async run({ steps }) {

  }
})

在 run 里加入读取文件并转写的逻辑：

const { name, mimeType } = steps.trigger.event
const buffer = await fs.promises.readFile(`/tmp/${name}`)
const source = { buffer, mimetype: mimeType }

const deepgram = new Deepgram(this.deepgram.$auth.api_key)
const { results } = await deepgram.transcription.preRecorded(source, { punctuate: true })
return results.channels[0].alternatives[0].transcript

几个关键点：

  • punctuate: true 会自动加标点，对后续可读性和摘要质量影响很大
  • 返回值这里仅返回 transcript 字符串；你也可以返回 JSON（包括置信度、分段时间戳等）
  • Pipedream 的临时存储是 ephemeral，单步测试时文件可能已被清理。
    • 建议用 Test all above，从触发到转写一口气跑完

Step 4：把转写结果发送出去（先从邮件开始）

最简单的落地方式是邮件通知：

  • Action：Send Yourself an Email
  • Subject：Transcription for {{steps.trigger.event.name}} is ready
  • Body：{{steps.deepgram.$return_value}}

邮件只是起点。更常见的团队玩法是：

  • 写入 Notion/飞书文档，按日期归档
  • 丢进 Airtable/Google Sheets，形成可筛选的“素材库”
  • 发到 Slack/飞书群，@相关同事进入下一步编辑
  • 触发 LLM 摘要与标题生成（用于内容推荐与分发）

Step 5：清理 /tmp，让流程更干净

最后加一个 Node.js 步骤删除临时文件：

const fs = require('fs')

module.exports = defineComponent({
  async run({ steps }) {
    return await fs.promises.unlink(`/tmp/${steps.trigger.event.name}`)
  },
})

这不是“必须”，但它能减少磁盘占用相关的问题，也让工作流更可预测。

把转写接进“媒体与内容生产链”：3 个实用升级

答案很明确：仅仅“拿到文字”还不够。把它接进内容链路，才会持续省时间。

1) 自动生成可发布的内容资产（标题、摘要、金句）

转写文本最适合做的第一件事，是变成结构化内容：

  • 300 字摘要（用于公众号/Newsletter 简介）
  • 5 条要点（用于会议纪要或培训复盘）
  • 10 条金句候选（用于短视频切片脚本）
  • 章节列表（用于播客 show notes）

做法：在转写后再接一个“LLM 摘要/提炼”步骤（比如通过 HTTP 请求调用你团队使用的模型服务），然后把摘要与原文一起写入知识库。

内容产业里最贵的不是创作，而是“可复用的素材组织能力”。

2) 做一个“可检索的语音素材库”

如果你把转写结果写入 Airtable/Notion/向量数据库，你就能实现：

  • 按项目、嘉宾、关键词检索过去的录音内容
  • 快速定位某句原话对应的音频（需要时间戳时可返回更完整的结果结构）
  • 为内容推荐系统提供更丰富的文本特征（主题、实体、人名、产品名）

媒体团队常见痛点是“素材散在群里和硬盘里”。自动转写 + 统一入库，能直接改善这个问题。

3) 把它变成 AI 语音助手的“耳朵”

当你有稳定的转写流水线，下一步就是让 AI 助手参与工作：

  • 会议结束 5 分钟后：助手自动发送会议纪要与待办列表
  • 销售通话结束后：助手提取异议点、下一步动作、回访时间
  • 采访录音上传后：助手输出结构化采访提纲与可用引用段落

自动化工作流负责“把数据送到该去的地方”，AI 语音助手负责“把信息变成可执行的动作”。两者结合，才是你真正想要的效率。

常见坑与排查清单（别等上线后才踩）

答案先给：绝大多数失败都发生在权限、文件类型、体积与稳定性这四类问题。

  • Drive 权限不足：确认授权包含下载权限；团队盘/共享盘场景要特别检查
  • 文件类型不一致：触发器会抓到图片/文档等非音频文件时要如何处理？
    • 建议加一步过滤 mimeType，只处理 audio/* 或 video/*
  • 大文件导致超时：长录音建议按时长拆分，或采用更稳的异步处理策略
  • 重复触发：同一文件被移动/重命名可能产生事件，建议用文件 ID 做幂等
  • 临时文件丢失：用 Test all above；生产环境中确保步骤顺序与清理逻辑正确

如果你要把它用于“内容审核/质检”，还要加上：

  • 数据保留策略（保存多久、谁能访问）
  • 脱敏策略（手机号、身份证、地址等）
  • 审计记录（谁触发、谁查看、谁导出）

你可以从这个工作流开始，搭出自己的“内容自动化引擎”

自动转写 Google Drive 文件并不复杂，但它很适合作为小团队的第一条自动化工作流：触发明确、产出直观、收益立竿见影。更关键的是，一旦你把“语音 → 文本 → 分发/入库”跑通，后面无论是接任务管理、接内容推荐、接智能创作，都会顺很多。

我建议你先用“邮件通知”跑一周，确认稳定性；然后把输出改成你团队真正使用的系统（Notion/飞书/Slack/CRM），并加上摘要与待办提取。到那一步，你会发现团队讨论的重点会从“谁来整理录音”变成“我们要怎么用这些内容产生更多价值”。

下一个问题也值得你现在就想想：当转写、摘要、归档都自动完成后，你希望 AI 语音助手替你完成哪一个“最烦但最重要”的环节？