舉個例子。一家做冷凍水餃的公司，週一早上業務、生產、客服三個人開週會，四、五分鐘談完年節禮盒的訂單、紙盒報價和上週的退貨。散會後，主持會議的業務還要花半小時把紀錄打出來寄給大家，裡面有七件事要有人去做。
AI 會議記錄想省的就是這半小時。問題是，AI 整理出來的待辦，能不能直接寄出去？我們把這場週會寫成劇本、錄成音檔，交給本機的語音辨識和三個開源模型實際跑了一遍。數字和日期大多是對的，出錯的是名字、縮寫，還有誰要做什麼。
這篇談的是一場會議怎麼從錄音走到交辦。要替全公司挑哪一家的 AI 助理，是另一個決定，可以先看企業版 AI 助理怎麼選。
AI 會議記錄在做哪三件事
不管用哪個工具，AI 做會議紀錄都是三段：先把聲音錄下來，再轉成逐字稿，最後由語言模型整理成決議、待辦和還沒決定的事。有些產品三段包在一起，按一個鍵就交出摘要；有些要自己接，例如手機錄音、上傳到一個服務轉文字、再貼給另一個 AI 整理。
| 環節 | 在做什麼 | 常見的錯 | 要先決定的事 |
|---|---|---|---|
| 錄音 | 收進每個人的聲音 | 只錄到自己的麥克風，線上會議戴耳機時對方的聲音進不來 | 誰按錄音、開場怎麼告知與會者 |
| 轉逐字稿 | 把聲音轉成文字，最好分出誰說了哪句 | 人名、客戶名、產品名、英文縮寫轉錯；沒有分講者 | 用哪個語音辨識、支不支援中文 |
| 整理 | 從逐字稿抓出決議與待辦 | 漏掉、派錯人、把「下週一」換成錯的日期 | 誰在寄出前核對 |
三段的資料也各自流到不同地方。錄音檔可能留在手機、留在會議系統、上傳到雲端後刪除；逐字稿和摘要則跟著存放的服務走。選工具之前，先把這三段各會經過哪裡寫下來，後面談同意和保存時才講得清楚。
先看公司在用的會議系統
會議如果本來就在 Teams 或 Google Meet 上開，第一步是看系統內建的功能能不能用；實體會議或要跨系統，才考慮另外的錄音工具。下表依各家官方說明整理：
| 做法 | 中文會議 | 要什麼方案 | 錄音與紀錄放在哪 | 分得出誰說的嗎 |
|---|---|---|---|---|
| Teams 會議回顧（intelligent recap） | 支援，語言清單含繁體中文（台灣） | Teams Premium 或 Microsoft Copilot 授權；會議要開逐字稿，AI 摘要要 5 分鐘以上 | 錄音存在公司的 OneDrive 與 SharePoint；組織內受邀的人看得到 | 逐字稿標出誰說了什麼 |
| Google Meet「幫我做筆記」 | 不支援，目前只有英、法、德、義、日、韓、葡、西 8 種；Meet 的逐字稿也是這 8 種 | 符合資格的 Workspace 版本或 Google AI 方案 | 存成召集人雲端硬碟「Google Meet」資料夾裡的文件，依召集人的設定分享 | — |
| ChatGPT 錄音模式（Record） | 說明頁沒有列支援語言，中文要自己試 | Plus、Pro、Business、Enterprise、Edu；只能用 macOS 桌面 App；單次最長 4 小時 | 錄音轉完就刪；逐字稿與摘要跟其他對話一樣依工作區設定保存 | 可以分辨多位講者 |
| Notion AI 會議筆記 | 支援中文 | Business 或 Enterprise 方案；每人每天上限 10 小時 | 紀錄是 Notion 頁面；錄音檔預設不保存，工作區擁有者開啟後才存在錄音者的裝置上 | 講者標記目前只支援英文 |
| 本機 Whisper＋開源模型 | 可以；部分模型的輸出會夾簡體字（見下節實測） | 一台記憶體夠大的電腦，沒有授權費 | 全部留在這台電腦 | 預設沒有，要另外裝工具 |
用 Microsoft 365 的公司，Teams 會議回顧最省事：錄音、逐字稿、摘要都在公司自己的環境裡，權限也沿用 Teams 的設定。只要確認授權和逐字稿有開就好。
用 Google Workspace 的公司就麻煩一點。Google Meet 的「幫我做筆記」目前不支援中文，連 Meet 自己的逐字稿也不支援，全中文的會議得另外錄音、交給別的工具轉。ChatGPT 的錄音模式和 Notion 都能做這件事，前者只在 Mac 上，後者要 Business 以上的方案；選哪一個，要看公司原本就在用哪一套、帳號是不是公司統一管理。
我們拿一場虛構的週會實測
2026 年 10 月 15 日，我們在一台 Apple M4 Pro、24 GB 記憶體的 Mac 上做了這個測試。劇本就是開頭那場週會：業務雅婷主持，生產志明、客服佩君一起開，21 句、1,024 個字。我們刻意埋了幾個陷阱：講錯又改口的訂購數量（1,200 盒改成 1,500 盒）、一句帶英文縮寫的話（客人在 IG 留言）、一個只講一次的承諾（志明說最晚 12 月 10 日要生產完），還有幾件只用「我」交辦的事。
劇本用 macOS 內建的三個台灣中文語音分角色念出來，接成一個 4 分 33 秒的音檔。合成語音發音標準、沒有人搶話、也沒有背景噪音，比真實會議好處理得多。所以下面的錯誤率要當成下限看，真人開會多半只會更高。
轉逐字稿：數字多半對，名字和縮寫常錯
語音辨識用的是 faster-whisper，它是 OpenAI 開源語音模型 Whisper 的加速版，在本機用 CPU 跑。我們試了三種大小，另外對其中兩種加上「名詞提示」：一段繁體中文寫的會議背景，列出與會者名字、客戶名、產品名和縮寫。
| 模型 | 轉 4 分 33 秒要多久 | 字元錯誤率 | 輸出裡的簡體字 | 26 個關鍵詞轉錯 |
|---|---|---|---|---|
| small | 36 秒 | 11.4% | 248／1,050 | 6 |
| medium | 132 秒 | 5.5% | 6／927 | 5 |
| large-v3-turbo | 71 秒 | 7.3% | 242／1,044 | 5 |
| medium＋名詞提示 | 125 秒 | 9.8% | 1／983 | 3（但漏了 49 個字） |
| large-v3-turbo＋名詞提示 | 73 秒 | 7.3% | 4／1,045 | 4 |
錯誤率是先把簡體轉成繁體、中文數字轉成阿拉伯數字，再和原稿逐字比。
同一段錄音的轉錄對照，紅字是轉錯的地方。
金額、數量和日期幾乎都轉對了。1,200 改口成 1,500、單價 285 元、12 月 18 日交期、11 月 3 日寄試吃品，五次轉錄都沒出錯。錯的是名字：客戶「青禾」變成「清和」，同事「佩君」變成「配君」，「韭黃鮮蝦」變成「九黃鮮蝦」，「MOQ」變成「MART」。這些詞在一般語料裡少見，模型就容易挑一個常見的同音字。
最麻煩的是英文縮寫和意思整個翻過來的句子。「有客人在 IG 留言」被轉成「1 個留言」，加了名詞提示的 medium 甚至轉成「1 月 6 號留言」，平白多出一個日期。turbo 加提示後，把「少一包的那筆，我已經補寄了」轉成「我已經不記了」，意思正好相反。
名詞提示的效果也不一致。turbo 加了提示，簡體字從 242 個降到 4 個，客戶名和佩君都轉對了，志明卻變成「致命」；medium 加了提示反而漏掉一段話，標點變成奇怪的符號。名詞提示有用，但要用自己的模型和錄音試過，不能想當然。
另外，五份逐字稿都是一長串話，看不出哪句是誰說的。faster-whisper 本身沒有講者分辨，要另外接 WhisperX 這類工具。
整理待辦：負責人和期限最容易出錯
接著把逐字稿交給三個在 Ollama 上跑的開源模型：qwen3.5 9B、gemma4 12B、gpt-oss 20B。每個模型吃三種輸入：原稿加上講者名字、原稿不標講者、Whisper medium 的逐字稿。提示都一樣：只寫逐字稿裡有的內容，負責人或期限沒講清楚就寫「未指定」。標準答案是雅婷散會前口頭整理的 7 項待辦。
| 模型 | 原稿＋講者名 | 原稿不標講者 | Whisper 逐字稿 | 每次耗時 |
|---|---|---|---|---|
| qwen3.5 9B | 漏掉「回覆客戶」那一項 | 7 項都在，2 項寫未指定 | 漏 1 項；雅婷要寄的試吃品派給了佩君 | 14–16 秒 |
| gemma4 12B | 7 項全對 | 7 項都在，2 項寫「發言人」 | 7 項都在，名字沿用轉錯的寫法 | 106–147 秒 |
| gpt-oss 20B | 「週三」「下週一」換成錯的日期 | 期限全加上 2024 年，週三、下週一也換錯 | 2 項派錯人 | 16–19 秒 |
gpt-oss 用的是 OpenAI 建議的 temperature 1.0。我們一開始用 0，它有兩次在表格裡反覆輸出同一列，其中一次把「雅婷｜送試吃品 20 盒」重複了三百多次。
先講做得好的地方。9 份紀錄沒有一份把改口前的 1,200 盒寫進去，也沒有一份把「IG 抽獎，年後再說」列成待辦。模型對「講錯了，是 1,500」這種更正處理得不錯。
問題出在三個地方。第一，9 份紀錄都漏掉同一件事：志明說最晚 12 月 10 日要生產完，因為 12 月 15、16 日工廠歲修。這句只在會議中間講過一次，雅婷最後的整理沒有再提，9 份就全都沒寫。模型抓得到的，主要是被清楚交辦、最好還被複述過的事。
第二是負責人。原稿標了講者，gemma4 七項全對；拿掉講者後，「這個我來寄」的「我」就只能寫成未指定或發言人。這還算老實。用 Whisper 逐字稿時，qwen3.5 和 gpt-oss 都把這件事派給了佩君。我猜是因為接下來幾句是佩君問 SGS 報告、雅婷請她去找，名字剛好就在附近。
第三是日期。逐字稿裡沒有會議日期，只有「週三」「下週一」和「禮拜五，十月十六號」。gpt-oss 自己把它們換成具體日期，週三變成 10 月 12 日、下週一變成 10 月 9 日，不標講者的那一份還全部加上 2024 年。這就是 AI 幻覺出現在會議紀錄裡的樣子：格式整齊、看起來很合理，只是不對。
所以開頭那個問題，我的答案是不能直接寄。AI 整理的待辦可以當草稿，寄出前要有人對過負責人和期限。一場會議、一台電腦、一組設定，只能看出錯誤的方向；換成你們的會議和工具，表現會不一樣，導入前用自己的錄音測一輪最準。
錯在哪一關，就在哪一關擋
照測試裡錯的地方，一關一關補：
- 開會時：交辦點名到人、講出日期，散會前由主持人花一分鐘把待辦複述一次。測試裡只講一次的承諾 9 份全漏，最後被複述的七項大多抓到了。開會的人最後花一分鐘複述待辦，比換哪個模型都有用。
- 錄音時：線上會議用會議系統內建的錄音，或用能收系統聲音的桌面 App；實體會議把手機放在桌子中間。Notion 的說明就提到，瀏覽器版只錄得到自己的麥克風。
- 轉逐字稿時：工具有講者分辨就打開；準備一份名詞表，放客戶名、產品名、同事名字和常用縮寫。要繁體中文輸出，提示就用繁體寫。
- 整理時：提示裡寫明「沒講清楚的寫未指定」「期限照原話寫，不要換算」。相對日期留給人換算，模型不知道會議是哪一天開的。
- 寄出前：花十分鐘，對照錄音或逐字稿檢查下面五項。
| 核對項目 | 為什麼要看 | 怎麼查 |
|---|---|---|
| 每項待辦的負責人 | 沒有講者時最常派錯 | 找回交辦那句話，看是誰說「我來」 |
| 期限 | 模型會把「下週一」換成錯的日期 | 只留原話，或由人換成日期 |
| 數字 | 改口前後的數字都會出現在逐字稿 | 看最後定案的那一次 |
| 客戶名、產品名 | 同音字最常出錯 | 和名詞表對一遍 |
| 還沒決定的事 | 可能被寫成決議 | 看原話是「先這樣做」還是「等某件事再說」 |
錄音之前，先講好告知和存放
先講告知。OpenAI 和 Notion 的說明都要求錄音前取得與會者同意；Notion 還能設定在開始轉錄時自動播一段告知語音。有客戶或廠商參加的會議更要先說，開場一句「這場會議會錄音，用 AI 整理紀錄」就夠。
帳號要用公司的。ChatGPT 的錄音轉完就刪，但逐字稿和摘要會留在對話紀錄裡；用個人的 Plus 或 Pro 方案、又開著「改善模型」設定時，這些內容可能被拿去訓練，Business、Enterprise、Edu 工作區則預設排除。員工用個人帳號錄公司會議，紀錄就不在公司的管理範圍內，規範怎麼訂可以看 Shadow AI 與企業 AI 使用規範。
最後是存放與權限：紀錄放在哪、誰看得到、留多久。Teams 的會議回顧只有組織內受邀的人看得到；Meet 的筆記放在召集人的雲端硬碟，由召集人決定分享給誰；ChatGPT 的紀錄跟著工作區的保存設定，刪除對話後 30 天內從系統移除。本機的做法資料都不出門，相對地，錄音和逐字稿就變成那台電腦要自己管理的檔案。本機跑模型的安裝與設定，可以看 Ollama 教學。
從一場例行會議開始
我建議先挑一場每週固定、沒有外部人員的內部會議試三週。這三週照舊有人手寫紀錄，同時讓 AI 也出一份，會後兩份對照，記下 AI 錯在哪一類：名字、負責人、日期，還是漏掉整件事。三週後再決定要不要推到其他會議，以及核對工作交給誰。
如果下一步是讓待辦自動進到專案管理或 CRM，那已經是流程自動化的範圍，先看哪些流程適合交給 AI agent，評估這一段值不值得接。
我們能協助的部分
員工自己用 AI 整理會議紀錄，選好工具、訂好核對規則就能開始。要把會議紀錄接進公司的專案管理、CRM 或報價流程，例如散會後待辦自動開成工單、指派給負責人，才是我們的企業 AI 營運方案處理的範圍：工程團隊從需求診斷開始，把 AI 嵌入既有系統，負責人或期限不明的項目設計成先暫停，交由專人確認再送出。
常見問題
不想付費，可以自己做 AI 會議記錄嗎？
可以。用 Whisper 這類開源語音模型在自己電腦上轉逐字稿，再交給 Ollama 上的開源模型整理，不用授權費，資料也不出門。代價是要自己安裝、自己核對：我們的實測裡，medium 模型轉 4 分半的錄音要兩分多鐘，較小或較快的模型還會夾簡體字，也都分不出講者。
Google Meet 可以做中文的 AI 會議紀錄嗎？
依 Google 目前的說明，Meet 的「幫我做筆記」和逐字稿都只支援英、法、德、義、日、韓、葡、西 8 種語言，全中文的會議用不上。可以另外錄音，再用支援中文的工具轉逐字稿和整理。
AI 會議記錄分得出誰說了什麼嗎？
看工具。Teams 的逐字稿會標講者，ChatGPT 的錄音模式也能分辨多位講者；Notion 的講者標記目前只支援英文；本機的 Whisper 預設沒有這個功能。分不出講者時，「我來處理」這類交辦最容易派錯人，整理出的待辦要人工補上負責人。
會議錄音要先取得與會者同意嗎？
要。OpenAI 和 Notion 的說明都要求使用者錄音前取得同意，OpenAI 也提醒要先確認當地法規。實務上在會議開頭講一句、或用工具的告知語音，讓每個人知道會錄音和用 AI 整理；有外部客戶的會議，最好事先在邀請裡寫明。
參考來源
以下依各家官方說明整理，支援語言、方案門檻與紀錄保存設定以官方頁面當下為準。
- Microsoft Support：Meeting recap in Microsoft Teams
- Google Meet 說明：Take notes for me in Google Meet
- Google Meet 說明：Use transcripts with Google Meet
- OpenAI Help Center：ChatGPT Record
- Notion Help：AI Meeting Notes
- Notion Help：Notion AI 常見問題
- GitHub：openai/whisper
- GitHub：SYSTRAN/faster-whisper
- GitHub：openai/gpt-oss