会开完,纪要当天发出去,第二天对方回一句:“这段是谁说的?”。翻回原文,那一整段上面只写着"说话人3"。
正式场合里,这样的追问几乎没法答上来。名字错一次,前面两小时记下的东西就要重核一遍。
讯飞办公本X5不是平板电脑,是一台专门开会记事的手写设备:翻开像一本笔记本,屏幕是墨水屏,不发光,看着和纸会开完,纪要当天发出去,第二天对方回一句:“这段是谁说的?”。翻回原文,那一整段上面只写着"说话人3"。
差不多,配一支不用充电的笔。
它在会上一边听一边把话转成文字,按人分块排列,每一块前面标着"说话人1""说话人2"。
七八秒里的三张嘴
最难的一段就出现在这里:三个人同时开口,音量差不多,时间又咬在一起,谁也没能把话说完。"这个方案我觉得""你先听我说完""预算那边我问过了",一句压着一句。
声音不像文字那样自带标点,三张嘴同时开火,句子自然搅在一块。按音量和停顿去切很容易一刀切错;切错一刀,后面整段就挂到别人名下,读起来像第一个人已经表态赞成,而他连话都没说完。
现在的做法是把交叠的那一段拆开,谁说的归谁,插话另起一行,谁打断了谁也按先后排在屏幕上。
只说了两个字的那位
还有一种更小的情况:整个下午,某位参会者只说了"行""可以""我同意"这几个字。这样的发言时间短、声音轻,最容易在转写时掉队,也最容易被并到上一位名下,而现在它们各自成行,前面照样挂着名字。
同一个人的话也未必连续。有人先把结论抛出来,隔了二十分钟才补上条件,中间夹着一堆别人的发言;按人分块之后,这些零散片段被归到一处,会后不必在几千字里跳着去找。
底子在那套语音基座
多人识别、发言交叠、短句处理这三样,在真实会议里最难,也最吃长期积累的数据。底子是星火语音基座大模型SparkAudio1.0。这套底子跑在讯飞办公本X5上,会后的核对随之变简单:不必逐句去猜某句话出自谁口,扫一眼就知道有没有人的话挂错了位置。
一台讯飞办公本X5摆在桌上,记了多少字并非重点。每一句都找得到主人,才是它在场上的用处。
这功能给的是常开多人会的那些人:一天三场,每场四五个人,中间还有人插话,归得对能省掉整晚的核对。如果你的会大多是一个人讲半小时,从头到尾没有第二个人接话,这项能力对你没什么用。
所以会议记录里最难的一道关,是归得对,归错一次,后面全是白记。正式场合,更可靠。
热门跟贴