Este artículo es同输入横评:同一次约 42 分钟中文客户访谈录音,分别丢给 Whisper 本地(openai/whisper + faster-whisper)y通义听悟y飞书妙记。测试日期 2026-10-29。只比「当晚能不能写出客户确认信」,不比谁更「AI」。
结论先行:音频不能出机器 → 本地 Whisper 系;要中文说话人+结构化纪要且可上云 → 听悟;人已经在飞书里协作 → 妙记。前半控变量、分工具说清适合谁;文末是可照做的安装、当晚五步与验收。读完你应能当晚跑通一条路径,而不是多收藏三个官网。
同输入:我怎么控变量
不写控变量,「感觉听悟更好」没有意义。我固定这五条,写在笔记第一页:
- 同一 wav/m4a,不重编码;采样率保持原样。
- 不提前做人声分离/降噪(产品内置且关不掉会注明)。
- 不上传客户真名与合同编号——本稿是脱敏模拟访谈(角色与口头禅保留,实体名替换)。
- 导出可复制文本后人工标:专名错误、说话人是否可分、有无摘要/待办。
- 时间只记「上传到可用稿」墙钟时间,不含写这篇的时间。
四个评价列:字准(专名)y说话人y纪要结构y隐私/部署。我不做实验室级通篇错字率——那超出这篇横评的精力;关心的是当晚能不能发出一封客户确认邮件。十条内部检查项在转换前就写进表,转换后只许填命中与否,不许改题干,避免自己骗自己。
还有一条工程习惯:转写原文和对外确认信永远分两个文件。同事可以改确认信语气,改「原话引用」必须回听。混淆这两个文件,是团队扯皮的常见源头。
Whisper 本地 / faster-whisper:离线隐私的底牌

openai/whisper 是本地 ASR 参照实现;日常我更常跑 SYSTRAN/faster-whisper(CTranslate2 加速)。按各自 README 装:Python 环境、ffmpeg、模型权重(base/small/medium/large-v3 等)。无 GPU 时 medium 勉强;长访谈我接受「跑得慢但不出网」。

适合谁:敏感访谈、出差无可靠云、公司红线「音频不出域」。
不适合谁:当晚就要带说话人的结构化纪要、又不愿自己接摘要链路的人。
- 通篇可读,中文口语连贯性够写纪要草稿。
- 专名(产品内部代号、客户行业黑话)错得比云产品多,需要全局替换。
- 说话人:原版 Whisper 不管「谁在说话」;要分离得另接,或靠段落人工分。
- 纪要:没有。转写之后摘要/待办自己做,或再喂 LLM——提示词必须要求「待办能在原文定位」,没有定位的待办当幻觉删掉。
- 隐私:音频可不出机器。这是选它的第一理由。
我踩过的坑:第一次忘装 ffmpeg 直接报错;第二次模型过小专名惨不忍睹;第三次沙箱无 GPU 硬上 large,风扇吼醒。后来默认 faster-whisper + medium,并在笔记写明「客户真名访谈禁止上云」。本地转写可以再拼 LLM 摘要,但责任不能外包给模型。
专名补救不靠「换更大模型」,靠词表 + 会后 10 分钟人工:访前把产品名、行业词、竞品名写成 20 行以内词表(本地可配合 initial prompt / 热词,以当前文档为准;云产品支持热词就提交);访中关键金额、日期、人数口头重复一遍;访后只扫专名、数字、待办三类,不通篇精修——通篇精修会把工具省下的时间吃回去。一次翻车:客户提内部系统名,三家都听成近音词;若不回听时间码,纪要会写成「对接根本不存在的 XX」。从那次起,凡对外句子强制回听对应 15 秒。
通义听悟:中文说话人与纪要更省事

通义听悟(阿里云)把转写、说话人、摘要/章节/待办捆在一起,对中文会议场景友好。我用网页/控制台上传同一音频(入口以阿里云当前产品页为准),重点看说话人是否分开、摘要是否能改成客户确认信。
适合谁:可上云、要当晚出带结构的纪要、专名正确率比本地 medium 更省事。
不适合谁:敏感访谈的默认路径;还没问清日志留存与删除策略,就把真实客户音频扔上去。
- 中文专名整体好于我的本地 medium;个别黑话仍要改。
- 两人对话说话人「够用」,抢话段落偶发糊在一起。
- 章节与待办明显省大纲时间。
- 代价:音频上云、账号与计费;敏感访谈我不会默认走这条。
坑:有一次把「内部代号」原样上传,事后才想起要问留存策略——后来脱敏写进检查单。另一坑是导出:我需要纯文本进自己的模板,多点了两步。产品 UI 会变,以你账号里实际按钮为准。采购时我会额外问:失败重试是否二次计费、人工校对怎么计价、删除是否真删——这些不进横评表,却决定年底账单。
飞书妙记:团队已在飞书时的默认入口

妙记的优势不是「转写世界第一」,而是人已经在飞书里:会议链路上录、转写、分享、评论同一套权限,减少一次导出导入。对我这种「访谈纪要要丢给同事改」的场景,这比多两个点的专名准确率更值钱。
适合谁:团队深用飞书、纪要要评论流转。
不适合谁:外部客户不进租户、却想靠分享链接「一键协同」;把妙记当成访谈提纲替代品的人。
- 在飞书日历/会议场景最顺;单独上传音频也能用,体验取决于飞书渗透度。
- 说话人与时间码对「回听某句」很有用。
- 纪要模板偏会议,客户访谈语气还要改一版。
- 权限跟着飞书走:方便,也意味着租户策略、数据驻留要按公司规定看。
坑:外部客户分享链接会变成新的权限问题——我后来改成「妙记里定稿 → 导出到邮件」,而不是把客户拉进租户。另一坑:有人以为妙记能替代「访谈提纲」——不能,烂提纲进,烂纪要出。
结论表与三条决策
| 方案 | 字准(专名) | 说话人 | 纪要结构 | 隐私/部署 | 我何时用 |
|---|---|---|---|---|---|
| Whisper / faster-whisper 本地 | 中(专名常要替换) | 弱(需另接) | 无(只要转写) | 最强(可不出网) | 敏感访谈、出差无可靠云 |
| 通义听悟 | 较好 | 较好 | 强 | 上云,看合规 | 中文访谈要快速出纪要 |
| 飞书妙记 | 够用 | 够用 | 强(协作向) | 跟飞书租户 | 团队已在飞书、要评论流转 |
- 音频能不能出机器?不能 → 本地 Whisper 系,专名用词表事后替换。
- 要不要当晚发出客户确认信?要,且可上云 → 听悟优先;人在飞书且要多人改 → 妙记优先。
- 有没有必须可复核的原话?有 → 任何云纪要我都会回听关键时间码,不把摘要当证据。
成本别只看「转写准不准」。云产品按时长/套餐计费(价格页会变);本地是电费、显卡与等待时间——长访谈密集的月份本地未必更便宜,但更可控。数据路径要问清:音频存哪、转写存哪、谁能下载、保留多久。飞书跟租户策略走;听悟跟阿里云账号走;本地跟磁盘加密与备份走。还有一个隐蔽成本是格式锁:纪要只在某个 App 里漂亮、导出一团糟,协作成本会反弹。我要求最终交付必须是能粘进邮件的纯文本或 Markdown。合规红线:未获同意不录;录了告知用途;模拟数据写稿,真实客户音频不进演示仓库。若公司要求「会议音频必须留在国内云且有审计」,本地方案再准也过不了门禁——这时听悟或飞书要看合同与地域条款,个人体验覆盖不了制度。
若你团队只做一件事:把「敏感访谈默认本地」和「对外句子必须回听」写进 README,比再做一次三方准确率竞赛更值钱。规范跑两周,再回头看哪家云产品值得买年费。
今晚落地:安装、跑通与验收

这一节是正文重心:选定之后怎么装、怎么跑、怎么算过关。上图是当晚流程骨架;下面 A/B 是装与跑,C 是可贴进规范的五步。
A. 本地 faster-whisper 最小路径(敏感默认)
python -m venv .venv && source .venv/bin/activate
pip install faster-whisper
# 系统需有 ffmpeg;模型首次自动拉取
python - <<'PY'
from faster_whisper import WhisperModel
model = WhisperModel("medium", device="cpu", compute_type="int8")
segments, info = model.transcribe("interview.m4a", language="zh")
with open("转写原文.md","w",encoding="utf-8") as f:
for s in segments:
f.write(f"[{s.start:.1f}-{s.end:.1f}] {s.text}\n")
print(info.language, info.duration)
PY
验收三问:文件非空;抽 3 个专名能全局替换;待办句能在时间码回听。失败常见原因:没 ffmpeg、模型过小、把 large 丢给无 GPU 机器。有 GPU 可把 device 改成 cuda、compute_type 按文档调整;版本与参数以 faster-whisper 当前 README 为准。
B. 听悟 / 妙记最小路径
- 听悟:控制台上传同一音频 → 导出转写+章节/待办 → 词表替换 → 只回听待办/数字/承诺句 → 粘进确认信模板。
- 妙记:飞书会议或上传 → 租户内协作定稿 → 导出邮件给外部客户(不把客户拉进租户)。
C. 当晚五步(可直接贴进团队规范)
- 访谈结束 5 分钟内:确认录音完整,备份一份到加密盘。
- 按三条决策选引擎:敏感 → 本地;要结构且可上云 → 听悟;人在飞书 → 妙记。
- 导出转写 +(若有)摘要;用词表替换专名。
- 只回听「待办、数字、承诺句」时间码。
- 写出客户确认信草稿三段——今天达成、待你确认、我下周动作;转写原文与确认信分文件存放,冷却 10 分钟再发。
这套流程不保证文采,但保证我很少在第二天早上发现「纪要里写了客户没说过的承诺」。工具争的是速度,流程争的是别翻车。词表要版本化:访谈迭代一次,词表加一行,别靠记忆。转写工具不会替你做访谈——提纲烂、追问弱、承诺随口出,纪要软件只会把翻车记录得更清楚。把工具用在记录与协作,把力气留在问对问题。


评论列表 (0条):
加载更多评论 Cargando...