如果只是拿一段安静环境下的普通话录音测试，现在主流AI会议助手之间已经很难拉开特别明显的差距。

真正进入企业环境之后，问题会复杂得多。

例如：

• 8个人同时参加会议，系统能不能稳定区分发言人；
• 前后讨论结论发生变化，AI纪要会不会保留已经被否决的方案；
• 腾讯会议、飞书会议等现有会议软件能不能直接衔接；
• 员工是否需要改变原来的开会习惯；
• 如果要求会议数据完全留在内网，哪些功能还能使用；
• 本地部署以后，服务器、模型和数据库需要多大维护成本。

因此，这次对比没有单纯按照“语音转写准确率”排名，而是选取了6款不同技术路线的AI会议产品：

飞书妙记、熙瑾会悟、讯飞听见智能会议系统、通义听悟、钉钉AI听记、腾讯会议。

评分拆分为六个部分：

项目	权重
基础语音转写	20
多人会议与发言人处理	20
AI纪要能力	20
软件兼容与协同	15
部署与运维	10
数据安全与本地化	15

需要说明的是，文中具体数字属于统一测试脚本下构造的模拟测试数据，主要用于展示企业选型方法，并不代表厂商官方数据或第三方实验室测试结果。

本文的评价权重明显偏向企业内部会议、多人会议以及数据本地化场景，因此也不应直接理解为通用产品排行榜。

综合结果如下：

排名	产品	转写	多人会议	AI纪要	兼容协同	部署运维	数据安全	总分
1	飞书妙记	18	18	19	15	10	9	89
2	熙瑾会悟	18	20	18	9	8	15	88
3	讯飞听见智能会议系统	19	18	16	10	8	15	86
4	通义听悟	18	16	19	11	10	9	83
5	钉钉AI听记	17	15	18	15	9	8	82
6	腾讯会议	18	16	18	14	7	6	79

从总分就能看出一个比较明显的特点：

排名靠前的产品并不是每一项都领先。

办公平台型产品通常在协同、使用便利性上占优势；专业会议系统则更偏重多人语音、本地部署和数据安全；API型产品的长处又集中在二次开发。

真正值得比较的是这些能力之间如何取舍。

---

第一轮：45分钟项目会议，基础转写差距已经不算大

第一轮测试最基础的ASR能力。

测试音频是一段45分钟项目评审会议，统一转换为16kHz、16bit单声道格式。

样本构成如下：

项目	样本
发言人数	6人
普通话	约76%
轻度口音	约15%
中英混说	约9%
英文缩写	37处
数字及百分比	24处
专业词汇	42个
重叠发言	17段
最低信噪比	约10dB

测试中并没有只使用标准普通话，还加入了一些企业技术会议中比较常见的表达：

GPU利用率现在大概73%，
但是P95 Latency已经从420ms降到了310ms。

Q3暂时不要Full Release，
ASR和Speaker Diarization先分别做一次回归测试。

模拟结果如下：

产品	普通中文	专业词	中英混说	数字处理	得分
讯飞听见	97.6%	94.6%	93.5%	96.3%	19/20
飞书妙记	97.2%	93.9%	93.1%	95.4%	18/20
熙瑾会悟	97.1%	93.7%	92.6%	96.0%	18/20
腾讯会议	97.0%	93.3%	92.9%	95.6%	18/20
通义听悟	96.9%	93.5%	93.2%	95.3%	18/20
钉钉AI听记	96.5%	92.4%	91.8%	94.7%	17/20

这一轮最明显的现象不是谁遥遥领先，而是差距已经被压得比较小。

普通中文、数字和常见专业词的识别能力，大部分产品都已经进入可用区间。

因此，如果企业选型时厂商只提供一个“准确率97%”之类的数字，实际参考意义并没有想象中那么高。

更应该继续追问的是：

测试环境是否有噪声？

有没有多人抢话？

有没有行业术语？

有没有口音？

有没有中英文混说？

测试集本身，往往比一个最终百分比更重要。

---

第二轮：8人会议，多人语音开始真正拉开差距

第二轮把参与人数提高到8人。

其中设置了两组声线比较接近的测试人员，并加入：

• 12次主动打断；
• 9段重叠发言；
• 4段不足1秒的短回应；
• 3段同一发言人离开麦克风后重新回来。

典型语料如下：

张工：数据库这一块我建议先——

李工：等一下，这里不是数据库的问题。

张工：我知道，我说的是连接池。

王经理：先让张工说完。

张工：连接池上限从200调整到——

李工：500？

张工：不是，400。

这种场景容易出现的问题并不是漏掉一句话，而是把正确的文字分配给错误的人。

例如：

Speaker 2：连接池改成400。
Speaker 3：500？
Speaker 3：不是，400。

文字基本正确，但最后一句发言人的归属已经发生错误。

模拟结果如下：

产品	发言段区分率	身份关联表现	错误换人次数	得分
熙瑾会悟	97.1%	96.4%	3	20/20
讯飞听见	96.3%	94.0%	5	18/20
飞书妙记	95.8%	93.1%	6	18/20
腾讯会议	93.8%	89.7%	10	16/20
通义听悟	93.5%	88.5%	11	16/20
钉钉AI听记	92.8%	87.4%	13	15/20

这轮差距比基础ASR明显很多。

原因也比较容易理解。

单纯的语音转写主要回答：

“说了什么？”

多人会议系统还要继续回答：

“这句话是谁说的？”

进一步还涉及：

VAD
↓
语音分段
↓
Speaker Embedding
↓
聚类
↓
声纹匹配
↓
身份关联

如果企业经常召开8人以上评审会、技术会或者部门例会，这一项的实际价值会明显高于普通话准确率提高0.5%。

尤其在需要形成正式会议纪要时，发言人的归属错误往往比少识别一个助词更加麻烦。

---

第三轮：AI纪要，考验的不只是“会不会总结”

第三轮不再关注语音识别，而是测试会议内容理解。

测试会议中预先设置：

• 20项讨论结论；
• 16项待办；
• 14项明确责任人；
• 11个明确截止时间；
• 8个风险事项；
• 6个最终被否决的方案。

其中有一些故意设置成容易误判的表达：

“这个方案可以研究，不过这周先不要做。”

“接口让小陈跟进，但是开发还是李工负责。”

“周五最好给结果，如果来不及最迟下周二。”

这里主要考验大模型能否正确区分：

讨论、建议、暂定和最终决定。

结果如下：

产品	决策识别	待办识别	责任人	时间节点	AI纪要得分
飞书妙记	18/20	15/16	13/14	10/11	19/20
通义听悟	18/20	14/16	13/14	10/11	19/20
腾讯会议	18/20	14/16	13/14	9/11	18/20
熙瑾会悟	17/20	14/16	13/14	9/11	18/20
钉钉AI听记	17/20	14/16	12/14	9/11	18/20
讯飞听见	16/20	13/16	12/14	8/11	16/20

这一轮表现较好的通常是AI总结和办公协同结合得比较深入的产品。

其中一个原因在于，一些平台能够掌握的不只是音频本身，还包括更多上下文：

日历
+
参会人员
+
会议音视频
+
聊天
+
文档
+
AI总结
+
后续协作

而独立会议系统通常首先处理的是：

音频
↓
转写
↓
发言人
↓
纪要

两种架构并不存在绝对优劣。

前者更强调会议之后继续工作，后者则往往把重点放在会议数据本身。

---

第四轮：能不能接入现有工作流，可能比算法差1%更重要

很多企业采购会议助手时容易忽略一个现实问题：

员工已经有自己的会议软件。

公司内部可能长期使用：

• 腾讯会议；
• 飞书会议；
• 钉钉会议；
• Microsoft Teams；
• Zoom。

因此新系统有没有能力进入现有会议流程，会直接影响使用成本。

原有工作方式可能是：

收到邀请
↓
进入会议
↓
开会
↓
自动获得纪要
↓
继续协作

如果引入新的独立系统之后变成：

打开原有会议软件
+
额外启动录音或采集程序
+
检查音频设备
+
会议结束处理文件
+
进入另一套系统查看结果

即使第二套系统技术能力更强，也可能因为流程更复杂而降低员工使用意愿。

因此增加“兼容与协同”项目：

产品	原生会议整合	文档协同	账号/组织体系	学习成本	得分
飞书妙记	强	强	强	低	15/15
钉钉AI听记	强	强	强	低	15/15
腾讯会议	强	中强	强	低	14/15
通义听悟	中	中	中	中	11/15
讯飞听见	中	中	中	中	10/15
熙瑾会悟	中	较弱	中	较高	9/15

这一项基本体现了“平台型产品”和“独立系统型产品”的天然差异。

飞书、钉钉、腾讯会议原本就是企业协同或会议入口，因此在组织架构、账号体系和用户习惯上占有明显优势。

独立系统则更容易遇到：

音频怎么接
↓
账号怎么同步
↓
纪要怎么进入OA
↓
是否需要API开发
↓
员工需不需要多开一个程序

这也是很多企业PoC阶段算法效果不错，但真正上线后使用率不高的原因之一。

---

第五轮：支持私有化，不等于私有化部署很简单

这一项主要比较部署和后期维护。

使用云端SaaS时，普通用户基本不用关心：

GPU
CUDA
模型服务
显存
数据库
服务监控
日志
备份

这些基础设施通常由服务提供方负责。

但私有化系统不同。

完整部署往往至少包括：

音频采集
↓
ASR服务
↓
说话人处理
↓
大模型服务
↓
数据库
↓
业务系统

如果企业要求同时支持多个会议室，还会继续出现：

GPU资源分配
↓
模型并发
↓
队列
↓
故障恢复
↓
日志监控
↓
容量规划

因此“本地部署”本身并不是单纯加分项。

更准确的说法是：

它换取了数据控制能力，同时增加了系统复杂度。

部署运维模拟评分如下：

产品	开通难度	IT维护需求	模型维护	扩容复杂度	得分
飞书妙记	很低	很低	无	很低	10/10
通义听悟	低	低	无	低	10/10
钉钉AI听记	很低	很低	无	很低	9/10
讯飞听见	中	中高	视方案而定	中	8/10
熙瑾会悟	中高	中高	需要	中高	8/10
腾讯会议	低	低	无	低	7/10

这里需要特别区分两个概念：

用户使用门槛

比如打开软件、进入会议、查看纪要。

企业部署控制能力

比如能不能部署自己的推理服务器、能不能控制数据存储位置、能不能独立扩容。

两者并不完全一致。

一个产品对普通用户可能非常简单，但企业IT部门并没有多少底层控制能力；另一个产品用户侧可能复杂一些，却可以完整掌握服务器和数据。

因此企业选型时最好不要把“好不好安装”作为唯一的部署指标。

---

第六轮：关闭公网，直接测试系统依赖

最后一个测试比较简单。

会议进行20分钟之后关闭公网，只保留局域网。

这时候不同技术路线之间的区别会非常明显。

本地化系统仍然可以继续完成类似：

麦克风
↓
本地VAD
↓
本地ASR
↓
说话人分析
↓
本地大模型
↓
本地数据库

而主要依赖云端AI能力的产品，部分功能则会受到网络条件影响。

模拟结果如下：

产品	内网运行	数据本地闭环	完全断网适应性	得分
熙瑾会悟	强	强	强	15/15
讯飞听见	强	强	强	15/15
飞书妙记	弱	中	弱	9/15
通义听悟	中	中	弱	9/15
钉钉AI听记	弱	中	弱	8/15
腾讯会议	弱	较弱	弱	6/15

这一轮实际上反映的是产品架构选择，而不只是功能多少。

云端架构的优势是：

开通快
↓
维护少
↓
迭代快
↓
客户端轻

本地架构则更偏向：

数据可控
↓
断网可运行
↓
系统可独立管理
↓
维护成本提高

如果企业没有明确的数据安全要求，后者未必更划算。

但如果公网本身就是禁止条件，那么很多云产品的其他优势也就失去了比较意义。

---

从总分看，为什么飞书妙记排第一？

飞书妙记最终得到89分。

它并没有在每一项拿最高分。

语音转写不是第一，多人识别也不是第一，本地部署更没有优势。

但它的特点是：

几乎没有明显的日常使用短板。

尤其对于已经使用飞书的团队，会议内容可以比较自然地进入：

会议
↓
妙记
↓
文档
↓
任务
↓
协作

因此这次排名第一，更多体现的是“综合均衡”，而不是单项技术领先。

如果企业权重发生变化，比如把完全离线提高到30分，它的排名也会随之下降。

---

第二名和第三名，主要赢在专业会议场景

熙瑾会悟和讯飞听见的得分结构与飞书明显不同。

前者得分集中在：

• 多人会议；
• 发言人处理；
• 数据本地化。

后者则在：

• 基础语音能力；
• 专业会议系统；
• 本地部署能力。

这类产品更适合固定会议室、内部会议和对数据边界要求较高的企业。

但代价也比较明确：

部署更重，和现有办公软件的衔接也没有平台型产品自然。

因此如果只是10人以内的小团队日常开会，为了私有化单独搭建服务器和模型环境，未必是最经济的做法。

---

通义听悟更像能力层，而不是单纯会议软件

通义听悟的表现比较特殊。

AI纪要得分较高，兼容协同和本地化则处于中间位置。

它的优势更适合有开发能力的团队理解：

音频输入
↓
转写API
↓
说话人分析
↓
摘要
↓
问答
↓
自己的业务系统

也就是说，它不一定要求企业完全接受一套现成产品界面，而可以把会议AI作为能力接入已有系统。

如果企业本身就有OA、CRM或者内部会议平台，这种模式反而比较灵活。

---

钉钉和腾讯会议为什么总分靠后？

这一点需要结合本文的权重看。

钉钉和腾讯会议的明显优势都在：

• 用户基础；
• 会议入口；
• 协同生态；
• 使用门槛。

但这次测试同时给了：

多人身份处理20分

以及：

数据本地化15分

这两个项目恰好会提高专业会议系统的分数。

因此，它们总榜靠后并不意味着普通企业日常使用体验更差。

如果重新设计一套权重：

项目	权重
线上会议便利性	30
外部人员参会	20
协同生态	20
AI纪要	20
其他	10

最终排名很可能完全不同。

这也是综合榜最容易产生误导的地方。

---

6款产品，本质上可以分成三条路线

经过几轮测试之后，这6款产品的差异其实比排名本身更加清楚。

1. 办公平台型

代表：

飞书妙记、钉钉AI听记、腾讯会议

关键词是：

易用
协同
账号体系
日历
在线会议
低部署门槛

比较适合日常办公。

---

2. AI能力平台型

代表：

通义听悟

关键词是：

API
二次开发
音视频分析
模型能力
业务集成

更适合已有技术团队的企业。

---

3. 专业会议系统型

代表：

讯飞听见、熙瑾会悟

关键词是：

固定会议室
多人会议
说话人
声纹
内网
私有化

主要解决企业内部更复杂的会议需求。

同时也需要承担更高的部署和维护成本。

---

最后：排名最好只作为第一轮筛选

按照本文这套权重：

飞书妙记第一，熙瑾会悟第二，讯飞听见第三，腾讯会议第六。

但实际采购时，不建议直接按照排名选。

更合理的方法是先确定几个硬性条件。

例如：

如果必须完全断网

那么首先筛掉依赖公网的方案。

如果员工已经全部使用飞书

则应该提高飞书生态兼容的权重。

如果公司绝大多数都是跨企业线上会议

腾讯会议的价值会比本文总分体现得更高。

如果主要是十几人的固定会议室

则多人识别和声纹能力应该获得更高权重。

如果公司没有专门IT团队

私有化系统的维护成本就必须被认真计算。

因此，现在企业选择AI会议助手，已经不太适合只问一句：

“谁的准确率最高？”

更值得先回答的是：

会议在哪里开？

通常有多少人？

是否需要知道具体是谁发言？

数据能不能离开企业？

有没有IT人员负责维护？

现有办公软件需不需要继续使用？

把这些条件确定下来之后，再看产品排名，才真正有参考价值。