从“记下来”到“直接用”：讯飞办公本X5再次改写品类标准

如果只盯着科技行业的焦点新闻，可能会产生一种错觉：会议记录的“苦差事”，似乎已经被AI软件解决了。

无论是海外估值狂飙的Otter.ai、Fireflies，还是国内各种办公软件附赠的语音速记助手，“录音转文字+AI一键生成纪要”几乎成了标配。按常理推演，当免费的工具随处可得，专用的会议记录产品将难以为继。

市场给出的却是一组截然相反的数字。

洛图科技的数据显示，2026年上半年电子纸办公硬件均价走高至3345元以上，科大讯飞在办公类电子纸的线上主流渠道拿下53.8%的份额，连续六年位居第一。

为何在免费AI转写满天飞、跟风硬件层出不穷的2026年，“挑剔”的企业高管、律师、政企精英们，依然把票投给了讯飞办公本？

11月4号，讯飞办公本X5迎来了一次重磅版本升级，为上面的问题给出了确切答案：说话人分角色识别进一步跃迁，得益于准确性的提升，手写纠错、人与观点首次上线，办公能力上限再抬高一截，把“正式场合，更可靠”落到了具体功能上。

倘若把视角拉长到整个产业周期，可以得到一个更清晰的结论：讯飞办公本在正式场合的不可替代，离不开“标准”二字。

01 一个始于七年前的品类创新

把时间拨回到2019年初。

墨水屏产业长期困在“电子阅读器”的窄胡同里，产品形态高度同质化，满足的用户需求却非常单一。

同时期的职场人，则在诟病记录工具的严重割裂：录音设备能存下音频，可会后人工听录音扒字要耗费一整天；纸质笔记本能随手记下重点，却留不下原声证据；平板电脑里塞满了娱乐与社交应用，开会时弹窗不断，很难胜任严肃会议里的记录者……

拐点出现在当年的CES上。

科大讯飞全球首发了“智能办公本”，开创性地将多麦克风阵列远场拾音、AI实时语音转写与墨水屏纸感手写融为一体，在电子书阅读器与通用平板之间，硬生生开创了一个全新的硬件品类。

第一代讯飞办公本的要解决的问题是，传统纸笔记录语速太快，导致记不全；记录文字太多，找不到；多个纸笔，容易丢。功能也不复杂——能不能把语音记成文字、记得够不够快：此外，还支持手写笔记对应录音位置、按关键词搜录音、导出成文档。

看似简单的功能，却精准击中了市场痛点。

2019年双11期间，讯飞智能办公本拿下京东电纸书品类国内品牌、天猫智能语音转译设备类的销售额冠军；2020年618期间，讯飞办公本X1的销量同比增长425%，远超平台电脑数码类的整体增幅。

原因并不难解释。

一位早期用户当时对媒体说，虽然还是要自己校对修改，但比起会后对着录音整理大半天，已经是一种解放。

过去，一场会议结束，记录工作才刚刚开始；有了实时转写和手写同步，记录与整理能够在会议过程中同步完成。原本需要耗费大量人工时间的工作，开始交给机器处理。

这是“办公本”作为独立品类的第一次价值跃迁：从手工记录到自动转写，核心是效率。

接下来的几年里，越来越多品牌跟进，无不在沿用科大讯飞定义的标准，然后在参数上不断加码：麦克风从双麦卷到四麦、八麦阵列，手写延迟卷到毫秒级，准确率一路从90%追赶到95%以上。

02 旧标准在大模型时代失效了

大模型浪潮改变了既定的产业方向。

不少开源模型的语音识别准确率已经做到95%以上，技术带来的边际红利越来越小。以至于一些跟风的硬件产品“把识别率刷到98%、再接个通用大模型写段摘要”就算交差。

但在实际的场景中，核心痛点不在于“记没记下来”，而是“记下来的东西能不能直接用”。

在计算听觉领域，多人交叠发言、插话与远场混响构成的“鸡尾酒会问题”，一直是困扰学界数十年的声学难题；国际说话人日志基准测试的研究表明，在连续语音流中锁定“谁，在什么时候，说了什么”，面临的技术难度远高于单纯把声音转成文字。

直接导致了日常会议中的尴尬情况。

项目复盘会上，有人问“当初是谁定的决策？”大多数团队的做法是翻聊天记录，AI纪要确实记了这句话，但是这句话的归属不是具体的某个人，而是“说话人2”。因此，没有归属的记录只是信息，有了归属，才会成为一次表态、一个决定、一份责任。

“不敢用”的另一层诱因，在于记录的准确性。

香港大学经管学院人工智慧评估实验室曾对37个主流大模型进行大规模测评，特意提到了大模型的隐性幻觉风险：大模型在提炼长文本时极易顺着上下文“脑补”，一个名字识别错误，可能带错整段发言的归属；一个术语写错，可能让整句话在纪要里失去原本的意思；而且记录的文字越长、加工越深，与事实的偏差越远。

即便是得分最高的大模型，事实性幻觉的评分也只有72分。AI能把一场会一字不落地转成文字，但“文字”和“能拿来作依据的记录”间还隔着好几层，仍需要多人一起逐句核对、校验、审阅。

一言以蔽之，2019年的旧标准已经失效，在“语音识别率”不再是技术壁垒的局面下，行业需要一把新的尺子：一份记录能不能直接用、能不能被引用、事后经不经得起追问。

03 讯飞办公本再一次定义标准

讯飞办公本X5在11月4日交出了答卷。

不同于常规的版本升级，科大讯飞没有止步于某个功能的迭代，以品类定义者的身份重新定义了产品标准。

确切地说，是三个维度的系统性创新。

第一个维度是基座模型的持续进化。

10月22日的科大讯飞全球1024开发者节上，正式发布了依托全国产算力训练的星火语音基座大模型SparkAudio 1.0，把识别、翻译、语义理解整合进一个模型，最大的能力跃迁在于大幅提升了实时说话人分离的准确性。

相较于调用通用大模型接口，自研模型赋予了讯飞办公本X5两个差异化卖点：基于SparkAudio 1.0，音频理解、情绪识别、实时说话人分离、环境声理解等语音能力全面提升；基于本地大模型的端侧处理能力，即使设备在离线状态下，也能正常使用，满足数据敏感场景的“进场”条件。

第二个维度是交互体验的不断优化。

星火语音基座大模型SparkAudio 1.0上线后，讯飞办公本X5就通过版本升级进一步优化了用户体验：一名说话人在会上开口发言，系统自动完成声纹注册，用户只需点一下说话人标签、把名字写上去，声纹随即完成关联。以后在会议中识别到该声纹，系统会自动显示姓名，无须二次注册、关联。相较于过去需要会前逐一录入声纹，效率得到大幅提升。

声纹注册从“会前独立准备”进化为“会中随时进行”，不单单降低了用户的使用成本、让好用的功能更加无感，同时为办公本树立了新的体验风向标——好的工具应该适应会议，而非让会议适应工具。

第三个维度是对办公场景的理解。

在To B赛道，经常被提及的一个概念是行业Know-How，即企业在长期服务特定行业、深入真实业务场景的过程中，积累形成的专业知识、实践经验与隐性认知，对用户需求、业务流程、行业痛点的深刻理解。

办公本赛道也不例外。

比如11月4日版本升级带来的“手写纠错”能力。

在录音结束后，系统会就尚未确认的信息逐条提问——人名、身份、说话人对应关系、称呼指向、术语写法等；每个问题后附手写框，使用者用笔作答，同时支持OCR识别校对。

这个功能为什么重要呢？在事实性幻觉无法100%消除的现实语境下，讯飞办公本给出了当下的最优解：让AI知道自己哪里不确定，并把确认权交还给用户，AI从“替你猜”变成了“先问你”，进而实现“更精准的记录”。

对于个人来说，“手写纠错”意味着会议纪要不用再逐字核对，打开就是能发出去的资料；对于组织而言，会议记录可直接被引用、归档，变成事后可追溯的材料；而且回答的内容会进入“记住的信息”，后续不再重复询问，实现越用越简单、越用越好用。

再往长远走，确认这件事会越来越少：大模型能判断的自己判断，判断不了的交给人确认一次，确认过的结果反过来喂给它——一篇纪要一个字不改直接发出去，是可以实现的事。

再比如知识库中新增的“人与观点”能力。

有了说话人分角色识别、手写纠错等能力，科大讯飞做了一个过去想做但做不到的功能：把一个人在不同会议、不同场景、不同时间里说过的话与表达过的观点关联起来，在知识库中建立人物条目。

从按时间存档，到按人积累，改变的不只是知识库的归档习惯，还有记录的组织方式：只需点开对应的人物名字，就可以查看其在不同会议上的观点摘要，无需再逐篇翻阅历史记录。

同样是“项目复盘会”的场景，有人问“当初是谁定的决策？”时，讯飞办公本X5只需要几秒钟的时间，就能找到是谁最先提出、谁后来改了判断、在哪场会议上达成的共识。

由此不难得出一个结论：办公本的标准不再追求数字上的“准确率”，而是底层能力持续进化、交互体验不断优化以及对需求的深刻理解，正驱动办公本走向第二次价值跃迁——从自动转写走向可靠记录，让会议记录从一次性的内容产出，转变为长期积累的知识资产。

04 写在最后

七年前，科大讯飞用第一代办公本定义了“能不能记下来”的标准；七年后，讯飞办公本X5用一次版本升级将行业标准进一步抬高。

文初的问题，已然有了明确的结论——二流玩家卷参数，一流玩家痛点定标准。

高端市场的话语权，比拼的不是配置有多高，而是在正式场合能不能用、敢不敢用，用了之后经不经得起追问。

这恰恰是消费级AI工具与专业办公设备之间，最难以逾越的一道分水岭：前者追求的是能力的普惠，让每个人都能以更低的成本获得AI服务；后者追求的则是结果的确定性，让每一次重要发言、每一项关键决策，都能被准确记录、清晰归属和长期追溯。