听得清不等于对得上人：科大讯飞办公本在1024给出会议记录的新答案

10月22日下午，科大讯飞1024开发者节主论坛在北京国家会议中心二期举行。在正式场合，一份会议记录能否使用，标准不在设备参数，而在后果：记串一个人的代价，是不是明显高于日常。会上，科大讯飞董事长刘庆峰介绍了新发布的星火语音基座大模型SparkAudio 1.0，随后播放了一段用讯飞办公本拍摄的演示视频。据介绍，这一版本将于10月24日上线，同步向讯飞办公本X5与Air3推送更新，用户升级后即可体验。

这项技术给办公本带来的变化，说到底只有一件事：它开始分得清谁在说话。SparkAudio 1.0基于全国产算力训练，新拓展的能力里有一项叫"实时说话人分离"——机器不只要听清说了什么，还要判断这句话是谁说的。

技术要起作用，得有个载体。讯飞办公本X5就是这个载体：它会跟着人进会议室，摊在桌上，一边听一边把话变成字。这件事本身不难；难的是字落下来之后，还知道那句话是谁说的。

一场会里，最难的往往不是听清

过去几年，AI硬件发布会的常见做法是列参数、比跑分、公布准确率。这些指标衡量的都是"听清"——同样的声音，能不能一字不差地转成文字。可一场真实的会议，难处很少在听清。同一句话从不同的人嘴里说出来，分量并不相同；抢话的十几秒里，往往就藏着最关键的分歧。

会议记录过去只做完两件事：把声音留下来，把声音变成字。这两件解决的都是留存；再往前一步是归属——同一句"这个方案我不赞成"，出自决策层与出自执行层，含义并不相同。分角色识别要解决的正是这一层。演示里的办公本在三个地方把它往前推了一截。

名字是这样挂上去的。录音转写时，设备先把声音分开，标成"说话人1""说话人2"；点开其中一个，把名字写上去。这个动作相当于替这个人做了一次声纹注册——设备记下的不只是三个字，还有这个声音的特征。之后他再开口，记录里出现的就是名字，不再是编号。

省掉的是会前那一套准备。过去要让设备认人，得提前把参会者挨个叫过来，对着机器说一段话；十几个人的会，光这一项就要占掉不少时间，临时加座、中途进来的人往往就漏掉了。现在顺序倒过来：边开边认，认出来再补名字。名字记一次就够，下一场他推门进来，设备认的还是这个名字。

更难的是抢话。真实会议不是轮流发言，两个人同时开口、一个人没说完另一个就接上，都是常态。普通转写遇到这种片段，会把两路声音糊成一段连续文本，事后谁也分不清哪半句是谁的；有的干脆把重叠的那几秒丢掉，记录上留一个空白。

办公本做的是按人拆开。重叠的那几秒里，先判断有几路声音、各自是谁，再分别归位——谁先起的话、谁接的、哪半句是插进来的，都能落到对的人头上。这一条决定的不是准确率，而是一份记录散会后能不能直接用。会议里最要紧的那句话，往往就发生在抢话的几十秒里。

还有语言上的混。中英文夹着说、行业术语直接念，是专业会议的常态。财务评审里"商誉减值"若被记成"商业减资"，这句话就失去了原来的意思；技术评审里型号少一个字母，指向的就是另一个产品。错的那个字不会报警，它会一直躺在记录里，直到有人拿它当依据。

这些词可以提前准备，也可以边用边学。会前把常被念错的词手写一遍，抬笔之后当前页面的识别结果会重新处理一次；术语支持批量导入，不必逐个添加。更关键的是记过的词留得住：这场校正过的说法，下一场仍在候选里。术语与说话人一起归入"记住的信息"，识别时作为上下文调用——词要先认对，人才能认准。

三件事合起来，是一份能直接用的记录

一场真实的会议里，这三件事往往同时发生：有人在抢话，有人在说英文缩写，有人被叫了外号。设备要在同一段时间里，把声音分开、把名字对上、把词认准，最后落成一份谁说的、说了什么、什么时候说的都清楚的记录。

散会后不用回听，不用逐句改错字，也不用猜"说话人3"是谁；三个月后有人问"当初是谁提的这个方案"，翻到那一段就有答案。对使用者来说，变化直接体现在动作上：过去散会后要花半小时整理，现在打开就是成稿；过去归档前要人工核对署名，现在署名在记录生成的那一刻就已经在了。

这个品类，是讯飞从零做起来的

2019年讯飞推出第一代智能办公本时，切入的正是专业会议记录。据洛图科技统计，在线上主流渠道的办公类电子纸产品中，科大讯飞已连续四年市占率居首，累计销量突破200万台。七年下来，被市场接受的是一套标准——设备能不能进正式场合，看的不是它记了多少，而是它记的能不能被认领。

衡量AI的尺子，正在换一把

技术成熟的标志，向来不在上限有多高，而在下限有多稳：上限决定一场演示能做到多漂亮，下限决定一件事能不能交给它去办。办公场景的AI，前几年主要在解决生成——错了可以改，改完不留痕迹，后果由使用者自己承担。会议记录不属于这一类，它的产出是一份可以被引用、被质疑、被追责的材料，标准不会因为换成机器而降低，反而更严。

标准最终要落到一件具体的事上：出现争议时，能否翻到那一句、找到那个人。这也是讯飞办公本在这类场合被反复提起的原因——它回答的问题是"记的是谁"，不是"记了多少"。

正式场合，更可靠——理由不在于记录更多，而在于记录可用。