mac 上基于麦克风和系统音频的会议事实转录和 AI 总结工具

[lonccc]

之前一直用 teams 开会讲英文的时候喜欢打开 transcribe ，最近换了一个会议软件没有这个功能了。mac 自带的 caption 在投屏的时候有 bug 显示不出来，想找一个第三方软件，试了两个（应用商店 Noted ，Whisper Transcription ）都不太行，要不语音识别质量太差，要不是离线识别。

我感觉以现在的技术在 mac m 芯片上做一个实时转录再结合 LLM 做会议总结完全可行。我之前用过 mac 自带的 speech recognition api ，效果非常好，比 whisper 快且准确，可以结合 VAD （ https://github.com/snakers4/silero-vad ），说话人识别（ optional ），做成 AI 会议记录 app 。

不止用在在线会议，线下会议也可以。我感觉大有可为呀，上面两个 APP 我试用的都卖 20-30 刀一年，好评也很多。问问大家目前市面上有类似的 app 吗，没有的话我要自己业余写一个，核心可以开源，只提供 cli 界面，再做一个完整 app 出来卖。

[lonccc]

btw ，还有一类 ai 工具是要加入会议室才能用，比如 https://otter.ai 。我们之前开会的时候都很排斥这种，一个第三方 app 加入会议室感觉很不好，毕竟大家还开了摄像头有时候还会共享屏幕。只基于本地的音频就更通用了，而且线下也能用。

[YJi]

/t/1084519 之前好像有过类似讨论

[ivyliner]

@lonccc 可以看看我开发的 App: BeMyEars https://www.engineerdraft.com/bemyears/ , 目前还差一个会议总结, 后续可以加一下.

[lonccc]

@ivyliner #3 对，就是我想的用 apple 自带的语音识别，效果很好。可以考虑往会议记录的方向做做，像这样 https://apps.apple.com/us/app/noted-record-ai-transcribe/id1446580517 按录音的时间轴显示文本，再加一个会议总结

[ivyliner]

@lonccc #4 我简单看了一下感觉 noted 做的挺好的, 你是有什么不太满意的 ?

[lonccc]

@ivyliner #5 app 设计的还可以，但是识别的效果很差，很奇怪我安装之后没申请语音识别权限，也不能选择系统音频还是 app 音频。可能他们没用 apple 的语音识别

[ivyliner]

@lonccc #6 我仔细试了一下 noted 发现有不少问题. 严格说我都用不上, 一打开就崩溃.
底层的话, 用的是 whisper base 模型, 所以不可能很准确. BeMyEars 和 YPlayer 在实时性和准确性上可以吊打 noted :-)
其中 YPlayer https://www.engineerdraft.com/yplayer/ 在中文转录上应该比 Whisper Transcription 还要好, 英文打平手, 因为都用的是 whisper :-)