一場會議結束之後，往往沒人記得第三個人當時具體説了什麼。在正式場合，判斷一台會議設備好不好用，標準不在參數表，而在後果：這裏記串一句、那裏錯一個名字，代價是不是明顯高於日常。

10月22日，科大訊飛董事長劉慶峯在1024開發者節主論壇上介紹了新發布的星火語音基座大模型SparkAudio 1.0，隨後展示了一段用辦公本拍攝的演示視頻。據介紹，相關能力將於10月24日上線，同步推送到X5與Air3，用户升級後即可使用。

這項技術落在辦公本上，改變的是記錄裏有沒有"人"。訊飛辦公本X5搭載了SparkAudio 1.0，據科大訊飛介紹，新版本在轉寫時會先按人把聲音分開，再落成文字——機器不只要聽清説了什麼，還要判斷這句話出自誰。

説話人分角色識別先要"分得開"：一場會有幾個人在説話，每段發言標上"説話人1""説話人2"。這一步之後還有一個位置——讓記錄裏出現名字。設備把聲音分開，點開其中一個編號，把名字寫上去；這個動作相當於完成了一次聲紋註冊，從此這段聲音在這台設備上有了歸屬。

一台設備記住的名字越多，後面每一場會就越省事。新來的同事第一次開口，還是"説話人4"；補一次名字，第二次它就能自己認出來。名字寫錯了也能改，改過之後按新的記。這一層看起來只是省事，實際改變的是記錄的性質：有名字的記錄可以被引用、被署名、被追責，沒有名字的記錄只能算素材。

搶話是最容易被漏掉的部分。會議不是輪流發言，兩個人同時開口、一個人沒説完另一個就接上，這幾十秒裏往往就是分歧真正出現的地方。普通轉寫在這裏會把聲音糊成一片，或者乾脆留白——最該留下的部分反而沒了。

辦公本能把重疊的聲音按人拆開，各自歸位。拆開之後，一段記錄才談得上完整：誰先提的、誰接的話、誰在中間插了一句，都各有歸屬。這一條不體現在任何指標上，它體現在散會後有沒有人願意翻這份記錄——一份分不清誰在説話的紀要，看兩頁就會被合上。

術語是另一層。跨境談判的條款名、技術評審的型號、會診裏的藥名，念出來都對，寫下來常常錯一個字。錯的那個字不會報警，它會一直躺在記錄裏，直到有人拿它當依據。

常用的詞記過一次，下一次出現時已經在候選裏。這會帶來一個變化：用得越久，記錄越接近這個行業自己的説法。設備記的不只是通用詞彙，還有這家公司、這個團隊內部約定俗成的叫法——對一家律所、一家醫院、一家制造企業來説，這些叫法本身就是它的工作語言。

三件事加在一起，記錄才真正落到人

單獨看，這是三個功能；合起來，是一份記錄能不能被稱為"歸檔材料"的分界。

一場會里，這三件事往往同時發生。有人在搶話，有人在説英文縮寫，有人被叫了外號。設備在同一段時間裏把聲音分開、把名字對上、把詞認準，最後落成的東西，才經得起三個月後的翻查——不是"有人説過這件事"，而是"某人在某次會上説過這句話"。準是可以事後校對的，歸屬不能：三個月後沒有人能憑記憶補上一個名字。這也是分角色識別在會議場景裏格外要緊的原因——它決定了這份記錄有沒有主體。

落到一份記錄上，這四個詞有了具體含義。

歸位：發言內容按發言人分段，各段歸屬明確。

留痕：發言人、時間、原文三項齊備，可回溯查證。

安全：上述處理均在設備內完成。

準：記錄內容與原話一致，不作改寫。

這四項構成"更可靠"的具體含義：歸位、留痕、安全、準。其中安全是前提，留痕是結果；二者缺一，會議記錄都難以承擔組織資產的角色。

從"聽懂"到"分清"

語音識別的目標，過去是把話説準、把字寫對。這一類語音基座模型往前多走了一步：它開始分辨——誰在説話。分辨發生在模型裏，把分辨的結果落到記錄上是辦公本的事。會議記錄真正的成本不在記錄那一刻，而在三個月後有人需要核對時：一份分得清誰在説話的記錄，可以直接被引用；分不清的，只能從頭再查一遍。

這套能力不是一次升級堆出來的。2019年訊飛推出第一代智能辦公本，切入的正是專業會議記錄；據洛圖科技統計，在線上主流渠道的辦公類電子紙產品中，科大訊飛連續四年市佔率居首，累計銷量突破200萬台。

一個以開發者為主角的會開始討論"誰説的"，説明技術已經走出了實驗室。開發者關心能力能走多遠，使用者關心它在哪裏停下。而在這類場合，使用者要的其實很樸素：三個月後翻到某一頁，能確定那句話是誰説的。