单纯测试安静环境下标准普通话转写已经很难拉开主流 AI 会议助手的差距。但现实职场会议环境远没有这么理想。国内线上办公场景里一场普通项目例会常常是这样“这个需求版本先不要上线同步下 Zoom 上面收集的反馈。”紧接着另一位同事发言“我这边主要关注 API 接口稳定性Teams 同步文档记得更新。”没过多久参会人继续讨论“那我们周四之前完成评审UAT 测试不要继续延后。”这类真实场景考验的已经不是单纯语音转写能力而是多重问题叠加考验多平台会议能不能正常接入多人交替发言会不会出现漏识别专业术语、外来软件名称能否完整保留同一个发言人多次讲话说话人区分模型会不会识别成多个人生成纪要的时候口语内容能否整理为通顺书面文稿不曲解原本会议意图为此本次挑选 6 款市面上高频使用的 AI 会议工具围绕多平台线上会议、多人交替发言、夹杂软件 / 技术术语场景做专项测评库库 AI 会议助手、飞书智能会议纪要、熙瑾会悟、讯飞听见智能会议系统、通义听悟、钉钉 AI 听记。库库 AI 会议助手主打全平台线上会议适配兼容腾讯会议、Zoom、Teams 等主流线上会议软件面向职场办公、学术研讨、线上访谈场景优化转写与纪要生成能力。飞书智能会议纪要深度打通飞书办公生态会中转写、会后纪要、待办任务可以直接流转至文档任务体系。熙瑾会悟偏向私有化本地部署讯飞听见智能会议系统深耕语音识别基础能力通义听悟擅长音频文件处理与 API 输出钉钉 AI 听记则和钉钉组织工作流深度绑定。说明下文测试数据为统一测试方案构造测评样本用于演示真实办公会议的测评思路不代表厂商官方跑分非第三方权威实验室报告。一、本次不测理想安静录音还原真实办公会议噪声环境1、测试一共设置三档模拟真实会议场景。1参与发言人一共 9 位语料覆盖日常办公口语、项目技术术语、海外会议软件名称。2全部原始音频统一通过电脑端采集保存 48kHz 原始音频统一转换为 16kHz、16bit 单声道 PCM。3规避不同工具麦克风采集硬件差异带来的结果干扰。①场景 A小型团队例会参会人数4 人会议室环境小型办公室 20㎡会议时长24min最远拾音距离1.7m平均信噪比 SNR28dB普通口语占比72%技术 / 软件术语片段占比28%频繁切换发言人次数16 次重叠对话片段2 段①场景 B项目评审会参会人数7 人会议室环境开放式办公区 35㎡会议时长42min最远拾音距离3.4m平均信噪比 SNR17dB普通口语占比58%技术 / 软件术语片段占比42%频繁切换发言人次数41 次重叠对话片段11 段①场景 C大型多人研讨会议参会人数9 人会议室环境大研讨室 55㎡会议时长58min最远拾音距离4.6m平均信噪比 SNR10dB普通口语占比49%技术 / 软件术语片段占比51%频繁切换发言人次数64 次重叠对话片段18 段这里提到的术语片段不是完整的大段英文演讲而是国内线上会议高频出现混合表达Zoom、Teams、API、UAT、GPU、Merge Request、Docker、vLLM、Cache Miss、Full Release本次测试核心重点不是单纯识别英文单词而是中文讲话中间穿插外来术语工具是否能够完整保留信息不篡改、不丢失关键名词。二、新增测评指标发言人切换边界错误1、传统语音识别大多只看 CER 字符错误率。1但真实多人会议发言人交替切换的位置往往是最容易翻车的地方。2举个例子原话“这个版本先不要 Full Release。”工具输出有可能变成“这个版本先不要发布。”整体语义大体看懂但是关键术语 Full Release 直接丢失。还有一类常见错误原话“看下 Teams 上面同步的记录。”识别输出“看下团队上面同步的记录。” 软件名称直接被语义改写。2、因此本次新增指标 Speaker Switch Boundary Error发言人切换边界错误1统计发言人交替前后 1.5 秒区间内是否出现下面问题①关键名词漏词②文字错识别③术语被强行翻译改写④外来词汇拆分错写⑤口语词汇错误替换。3、综合测评总分由 6 大维度构成1混合语料转写准确率权重 302发言人切换稳定性权重 153说话人Speaker身份连续性权重 154专业软件 技术术语识别权重 155AI 会议纪要生成质量权重 156平台兼容与部署易用性权重 104、综合得分总表1排名 1库库 AI 会议助手混合转写 28切换稳定 14Speaker 连续性 14术语识别 14AI 纪要 14部署兼容 9总分 932排名 2飞书智能会议纪要混合转写 28切换稳定 14Speaker 连续性 13术语识别 14AI 纪要 15部署兼容 9总分 933排名 3熙瑾会悟混合转写 27切换稳定 14Speaker 连续性 15术语识别 14AI 纪要 12部署兼容 7总分 894排名 4讯飞听见智能会议系统混合转写 28切换稳定 13Speaker 连续性 14术语识别 14AI 纪要 11部署兼容 8总分 885排名 5通义听悟混合转写 27切换稳定 13Speaker 连续性 12术语识别 14AI 纪要 14部署兼容 6总分 866排名 6钉钉 AI 听记混合转写 25切换稳定 12Speaker 连续性 12术语识别 12AI 纪要 13部署兼容 7总分 79比起最终总分各分项细节更有参考价值。三、4 人小型例会安静环境下差距并不会拉开1、第一组为 20㎡小型办公室4 人参会信噪比 28dB拾音距离最远 1.7 米。1测试得出一个有意思的现象环境安静、发言人数少的时候各家工具表现差距很小。2模型一旦适应当前语音环境短时间输出都比较稳定。2、各项数据1库库 AI 会议助手普通话字符准确率 97.9%术语命中率 95.7%发言人区分正确率 96.2%2飞书智能会议纪要普通话字符准确率 97.7%术语命中率 95.2%发言人区分正确率 96.5%3讯飞听见智能会议系统普通话字符准确率 98.1%术语命中率 94.3%发言人区分正确率 95.7%4熙瑾会悟普通话字符准确率 97.5%术语命中率 94.8%发言人区分正确率 97.0%5通义听悟普通话字符准确率 97.4%术语命中率 94.1%发言人区分正确率 94.4%6钉钉 AI 听记普通话字符准确率 97.0%术语命中率 92.4%发言人区分正确率 93.8%安静小会场景普通口语识别都表现不错。容易出现瑕疵的是会议里高频的混合句式示例“Zoom 上面收集的反馈我们明天再梳理不用马上定方案。”部分工具输出会把专有名词直接改写“线上会议上面收集的反馈我们明天再梳理不用马上定方案。”如果仅看大概意思不影响理解但是如果需要完整逐字会议底稿术语被改写 ≠ 识别正确二者需要区分看待。四、真正难点短时间频繁切换发言人夹杂大量技术名词1、第二组测试提升发言人交替频次模拟项目评审会。1示例测试语料“Q3 这个版本先不要 Full Release等 Regression 跑完再 Merge。”短短一句话中中文口语、技术名词来回穿插。还有这类高频办公句式“这个 Cache Miss 占比偏高API 接口延迟现在已经超过 400 毫秒。”“Teams 这边文档不要修改优先先修复线上问题。”2本组一共设置 41 个明显发言人切换节点。2、各项数据1库库 AI 会议助手41 个切换点完整保留数量 38漏词次数 1术语被中文化改写 1名词误判次数 12飞书智能会议纪要41 个切换点完整保留数量 38漏词次数 1术语被中文化改写 1名词误判次数 23熙瑾会悟41 个切换点完整保留数量 37漏词次数 1术语被中文化改写 2名词误判次数 14讯飞听见智能会议系统41 个切换点完整保留数量 37漏词次数 1术语被中文化改写 2名词误判次数 25通义听悟41 个切换点完整保留数量 36漏词次数 2术语被中文化改写 2名词误判次数 26钉钉 AI 听记41 个切换点完整保留数量 33漏词次数 2术语被中文化改写 3名词误判次数 3原文“等 Regression 跑完再 Merge。”A 类等回归测试跑完再合并。技术名词直接翻译成中文。B 类等瑞格瑞申跑完再 Merge。英文做错误音译。C 类等 Regression 跑完 Merge。直接丢掉连接词 “再”。普通闲聊影响有限但企业会议涉及版本代号、接口名称、项目专有名词这类情况会影响后期检索知识库、复盘查阅底稿。五、同一个人反复发言会不会被识别成全新 Speaker1、这个问题常常被大家忽略。1同一个参会人先讲一大段普通话项目讨论停顿二十秒之后继续发言。虽然是同一个人但语速、情绪、声调发生变化声纹 Embedding 随之波动。部分模型会直接把同一个人识别为两个不同发言人。2测试专门设置同一参会人多次交替发言。7 人评审会议的统计结果。2、各项数据1熙瑾会悟实际参会人数 7输出 Speaker 编号总数 7语言 / 语速变化导致身份劈叉次数 1Speaker 连续识别率 97.1%2库库 AI 会议助手实际参会人数 7输出 Speaker 编号总数 7语言 / 语速变化导致身份劈叉次数 1Speaker 连续识别率 95.9%3飞书智能会议纪要实际参会人数 7输出 Speaker 编号总数 7语言 / 语速变化导致身份劈叉次数 2Speaker 连续识别率 94.7%4讯飞听见智能会议系统实际参会人数 7输出 Speaker 编号总数 7语言 / 语速变化导致身份劈叉次数 2Speaker 连续识别率 94.2%5通义听悟实际参会人数 7输出 Speaker 编号总数 8语言 / 语速变化导致身份劈叉次数 3Speaker 连续识别率 90.6%6钉钉 AI 听记实际参会人数 7输出 Speaker 编号总数 8语言 / 语速变化导致身份劈叉次数 3Speaker 连续识别率 89.4%典型案例Speaker2项目进度我们需要重新评估Speaker2资源方面优先保障测试环境Speaker6仍然是刚刚同一个人继续讲话我们周四输出报告Speaker2后续同步到团队群虽然只是凭空多出一个编号但会直接优化 AI 纪要逻辑。原本应该输出“张经理提出项目需要重新评估周四输出报告。”同一个人的观点完整呈现方便后续纪要阅读。在多人办公会议场景该问题需要重点关注。六、9 人 高噪声环境远场拾音带来识别能力明显衰减1、第三组模拟 55㎡大型研讨会议室一共 9 人参会最远说话人距离麦克风 4.6 米平均信噪比降低到 10dB。叠加空调噪音、键盘敲击、挪动椅子一共 18 段两个人同时重叠说话片段。1整体各项识别指标出现明显下滑。2、各项数据1讯飞听见智能会议系统普通话识别准确率 93.7%术语命中率 88.2%Speaker 连续识别率 88.7%2库库 AI 会议助手普通话识别准确率 93.2%术语命中率 89.3%Speaker 连续识别率 89.2%3熙瑾会悟普通话识别准确率 93.0%术语命中率 88.9%Speaker 连续识别率 90.5%4飞书智能会议纪要普通话识别准确率 93.1%术语命中率 88.6%Speaker 连续识别率 87.8%5通义听悟普通话识别准确率 92.1%术语命中率 87.4%Speaker 连续识别率 84.3%6钉钉 AI 听记普通话识别准确率 91.4%术语命中率 84.8%Speaker 连续识别率 83.1%这一组最需要关注的是远场噪声、多人重叠说话、专有名词三重问题叠加关键否定词容易丢失。举例子原话“这个功能暂时不需要二次复测。”识别输出变成“这个功能暂时需要二次复测。”仅仅漏掉 “不” 字整段会议结论直接反转。所以做办公会议测评不能只统计整体字符错误率建议额外重点校验下面关键类别词汇否定词不、无需、不要、未时间词周四、下周、即刻、延后决策词要、暂缓、暂时、确定限定程度词部分、全部、优先这类关键词识别稳定AI 输出的会议纪要就可以完整还原现场判断。七、专项测试60 组「线上软件名词 办公口语」混合样本1、单独识别 “Zoom” 不难单独识别 “不需要” 难度同样很低。1但是拼接成句子“Zoom 这边不需要升级客户端版本”识别难度就会显著上升。2本次专门准备 60 组办公高频混合句式样本类似Teams 文档需要及时更新API 接口延迟不能超过 400 毫秒Docker 镜像暂时不要删除UAT 测试周四之前完成vLLM 版本先不上生产环境2、完整命中统计结果1库库 AI 会议助手完整命中数量 55/60命中率 91.7%2熙瑾会悟完整命中数量 54/60命中率 90.0%3飞书智能会议纪要完整命中数量 53/60命中率 88.3%4讯飞听见智能会议系统完整命中数量 52/60命中率 86.7%5通义听悟完整命中数量 50/60命中率 83.3%6钉钉 AI 听记完整命中数量 47/60命中率 78.3%库库 AI 会议助手对于 Zoom、Teams、UAT、API 这类海外线上会议相关名词组合表现稳定在 “术语 否定词 时间” 的句式里面很少丢失否定类关键字。这里需要说明专业名词识别表现高度依赖自定义热词表。企业选型做 POC 测试建议执行三轮测试第一轮默认模型词表测试裸模型能力第二轮导入企业业务专有热词再次测评第三轮补充员工姓名、内部项目代号再做一轮验证不同词表条件测出的 “专业领域准确率” 可以作为选型参考依据。八、AI 纪要核心考验能否准确提取事实、待办、责任人1、AI 会议纪要存在两种诉求逐字稿尽量还原原话而纪要总结追求书面化不需要照搬口语但决策、待办、责任人、时间节点、否定逻辑绝对不能出错。1示例原话“这个问题我们周四再开会讨论今天暂不拍板。”好的纪要输出该问题暂不做决策计划周四开展进一步讨论。而不是原样复制口语大白话。2、测试准备标准答案样本库1会议最终决策样本数量 172待办任务项样本数量 153明确责任人样本数量 134明确时间节点样本数量 105带否定关系的会议语句样本数量 126软件、技术专有名词样本数量 163、各个工具提取结果统计1飞书智能会议纪要决策正确提取 16/17待办提取 14/15责任人提取 12/13否定逻辑完整保留 12/12AI 纪要综合得分 15/152库库 AI 会议助手决策正确提取 15/17待办提取 13/15责任人提取 12/13否定逻辑完整保留 12/12AI 纪要综合得分 14/153通义听悟决策正确提取 14/17待办提取 12/15责任人提取 11/13否定逻辑完整保留 11/12AI 纪要综合得分 14/154熙瑾会悟决策正确提取 14/17待办提取 12/15责任人提取 11/13否定逻辑完整保留 11/12AI 纪要综合得分 12/155钉钉 AI 听记决策正确提取 13/17待办提取 12/15责任人提取 10/13否定逻辑完整保留 10/12AI 纪要综合得分 13/156讯飞听见智能会议系统决策正确提取 13/17待办提取 11/15责任人提取 10/13否定逻辑完整保留 10/12AI 纪要综合得分 11/15飞书智能会议纪要优势来自整套办公协同链路不仅仅是语音识别本身纪要可以直接转化为飞书任务。库库 AI 会议助手依托百度语义解析技术在跨平台线上会议场景中待办、决策、否定关系保留完整同时提供每月 120 分钟免费转写额度适配个人、小团队高频线上会议。可以看出AI 纪要阶段决定输出质量的已经不止语音转写准确率后续大模型语义理解能力同样关键。九、私有化、内网隔离场景选型标准发生变化1、上面整套测评都是基于云端 SaaS 服务模式。1但部分政企单位、保密项目会议音频数据不允许上传公网。2这种场景即便云端模型识别效果再好也需要优先评估部署条件。2、评估顺序会变成①工具是否支持私有化部署②是否支持完全断网离线运行③语音转写模型能否本地部署加载④说话人区分能力是否本地完成运算⑤AI 纪要总结能力是否可以本地闭环熙瑾会悟产品路线重点主打离线私有化会议方案拥有银河麒麟、统信 UOS 国产操作系统适配认证。拿到适配认证可以适配国产硬件机器开箱使用。实际项目实施可以确认 CPU 架构、操作系统版本、NPU/GPU 驱动、声卡麦克风、业务软件版本等一系列环境。私有化部署配套服务器硬件、运维、版本升级的配套方案私有化方案可以和 SaaS 云端版本按需选择。库库 AI 会议助手当前主要以 SaaS 云端形态为主支持云端 本地双端文件归档存储数据存储遵循合规安全标准适合绝大多数互联网企业、普通职场、学术研讨场景。十、6 款工具选型总结参考1、本次测评综合排名1排名 1库库 AI 会议助手综合总分 932排名 2飞书智能会议纪要综合总分 933排名 3熙瑾会悟综合总分 894排名 4讯飞听见智能会议系统综合总分 885排名 5通义听悟综合总分 866排名 6钉钉 AI 听记综合总分 79排名可以结合本次测试场景参考解读。2、库库 AI 会议助手综合表现均衡对腾讯会议、Zoom、Teams 多类线上会议平台兼容性强。依托百度 AI 语义能力术语识别、否定逻辑保留表现优秀每月提供 120 分钟免费转写时长云端 本地双端归档检索适配职场个人、中小企业团队、学术线上研讨。3、飞书智能会议纪要整套办公生态协同是最大亮点。转写、纪要、待办任务打通飞书文档与任务模块如果企业全员使用飞书使用门槛最低。更适合飞书体系内团队跨第三方会议平台接入能力表现良好。4、熙瑾会悟核心强项是说话人身份区分、私有化离线部署、国产操作系统适配和主流公有云办公软件融合便捷私有化项目部署运维方案完善。适合对内网、数据隔离有硬性要求的会议室项目。5、讯飞听见智能会议系统底层 ASR 语音识别功底扎实安静、远场环境都有着不错表现私有化方案成熟。AI 纪要的后续工作流联动完善适合重视基础转写效果的专业会议场景。6、通义听悟API 开放能力是核心亮点企业研发团队可以把转写、摘要、说话人分离能力嵌入自有业务系统不用绑定固定整套会议软件。更适合需要二次开发、处理大量历史音视频文件的场景。7、钉钉 AI 听记深度融入钉钉组织体系上手门槛低。如果企业全部工作流跑在钉钉实际业务体验很好。十一、选型不能只看 “支持会议纪要” 宣传话术1、做完整套测试可以看到产品宣传页写一句 “支持 AI 会议纪要” 门槛很低。1企业和个人实际选型可以参考更多真实场景的问题安静、嘈杂环境下转写准确率分别多少中文句子插入 Zoom、Teams、API 这类外来名词会不会被改写翻译同一个参会人多次发言会不会被拆分成多个发言人4‑5 米远场叠加环境噪音会不会丢失 “不、无需” 这类否定关键词AI 生成纪要待办、责任人、时间节点能否稳定提取是否有免费额度额度能否覆盖日常会议需求如果数据不能上公网这套能力是否支持离线私有化运行AI 会议工具真正的难点从来不是听懂单一句口语。而是发言人切换、环境噪声、专业术语、多平台接入等多重变量同时出现整套记录‑转写‑摘要链路依然可以稳定输出可靠结果。