
本機會議轉錄的代價:私隱、準確度與部署門檻
把會議錄音留在自己電腦,對處理敏感內容的團隊很有吸引力;不過,XDA 對三款開源替代工具的一次小型比較顯示,「本機 AI」並不等於轉錄最準。當中 Meetily 可在本機完成轉錄及摘要,但在特定名稱、型號等細節的辨識上失分較多;OpenWhispr 的逐字稿最整齊,測試者卻使用了雲端模式。
這項結果影響的,是需要在私隱、資料流向及會議紀錄可靠性之間取捨的用戶。尤其會議紀錄常涉及人名、價格、限期與責任歸屬,摘要即使能抓到大意,錯置一項產品名稱或把未決事項寫成決定,都可能令後續執行出錯。測試樣本只有一段三分鐘、單一講者的預設稿,因此結果只能用作觀察工具取向,不能當成不同口音、多人同時發言或真實會議環境下的通用排名。
同一份稿,測的是細節而非只看摘要好不好看
XDA 讓 Otter、Meetily、Anarlog 及 OpenWhispr 同時錄製同一個 Google Meet 通話。內容是由電腦文字轉語音讀出的三分鐘項目簡報,並預先放入 15 個容易出錯的項目,包括人名、GPU 型號、價錢、日期及各人的限期;另外亦測試工具有否捕捉兩項決定與三項待辦事項。
這種設計有其價值:它把「內容看起來流暢」與「關鍵資訊有沒有被保留」分開。限制也很明顯:單一、清晰的合成語音避開了多人重疊發言和收音質素差等常見難題,因此不能推論各工具在日常會議的整體表現。
三種路徑,三種取捨
| 工具 | XDA 測試中的資料處理 | 逐字稿陷阱得分 | 摘要表現 |
|---|---|---|---|
| OpenWhispr | 測試採用 OpenWhispr Cloud;工具亦提供本機模型選項 | 10/15 | 捕捉兩項決定及三項待辦事項,未見摘要虛構內容 |
| Meetily | 本機處理 | 8/15 | 捕捉兩項決定及三項待辦事項;曾把未決的螢幕升級列作決定 |
| Anarlog | Windows 11 測試中音訊送往其雲端,並由 Soniox 轉錄、Claude Sonnet 摘要 | 9/15 | 捕捉兩項決定及三項待辦事項中的兩項;遺漏一個限期 |
OpenWhispr 在這次測試中取得三者最佳的逐字稿成績,並正確辨識「offline」一詞;但它也曾把「5070 Ti 的新價格」寫成「新的建議零售價」,意思已經改變。這正說明整潔的紀錄未必足以代表可直接依賴的紀錄。
Meetily 的特點是資料不必離開用戶的硬件。XDA 指它在本機採用 Nvidia Parakeet TDT 0.6B v3(int8)轉錄,以及 Qwen3.5 4B 的 Q4_K_M 量化模型寫摘要。不過,其逐字稿把「RTX 4070 Ti Super」寫成「470T Super」等錯誤,令得分最低。另一方面,摘要仍正確列出兩項決定及所有待辦事項的負責人和限期,反映本機方案在這次簡化測試中,較適合作為需人工覆核的初稿,而非可免看原文的最終紀錄。
Anarlog 雖主打 local-first,但 XDA 指出其 Windows 11 版本仍屬 beta,內置本機轉錄只限 Apple Silicon。測試者登入後使用的試用版會把音訊送往 Anarlog 的雲端;因此,工具名稱或開源定位本身不足以判斷一次實際會議的資料是否留在本機,仍要看平台、版本及所選模式。
選擇前先問兩個問題
從這次比較可作出的合理推論是,採用本機工具的門檻不只在安裝模型,還在於能否接受較多專有名詞錯誤,以及安排人手覆核。若會議內容受保密要求約束,資料是否上傳可優先於便利性;若紀錄要直接化為採購、工程或交付指示,則應把人名、型號、金額、日期與責任人列為必核欄位,而非只閱讀 AI 摘要。
XDA 的結果亦顯示,雲端與本機不是單純的優劣關係:雲端模式可減少下載和硬件部署的麻煩,本機模式則把資料控制權留在用戶手上,但可能要接受不同模型帶來的辨識落差。下一步值得觀察的,是這些工具在多人會議、不同口音及較差收音條件下,能否維持對限期與責任歸屬的可靠辨識;這些情境才更接近日常使用。
延伸閱讀
AI 輔助說明: 本文由 AI 協助整理。
參考來源
- XDA Developers — I tried 3 open-source alternatives to Otter for my meeting notes, and one runs entirely on my PC — original report
本文根據原文及公開資料整理;資料有出入時,以原文及官方資料為準。







