会议纪要真正难的地方：改口之后到底算哪个

会议录音最烦的环节在会后。预算是不是含新增工作，交稿时间改没改，某个需求到底确认没有，这些点翻录音确认一遍，半小时就没了。

麻酱AI实验室在X文章里拿蚂蚁百灵开源的Ming-3.0音频模型家族做了一次测试。原文链接：麻酱AI实验室文章，相关推文：gKev1n的推文。

Ming-3.0分三块：asr-tiny做语音识别，audio-flash直接理解音频并追问，tts做语音合成。测试选了audio-flash，因为旧流程通常是先转逐字稿再喂大模型，步骤多，语气、停顿和声音环境信息也容易丢。官方云端API文档给的音频时长上限是3600秒，文件大小和请求体另有约束。

测试样本是虚构三人商单会议，品牌负责人林娜、MCN负责人阿森、项目运营小周，讨论FlowSnap推广。里面埋了几个日常会议常出错的点：品牌方先理解成三位博主，预算6500要全包；MCN解释6500对应两位X博主，不含小红书，第三位要重新确认预算；品牌方明确暂时不能确认追加预算，第三位先不排。交稿时间也从周二中午改到10月27日下午6点前。还有“有免费试用，不能宣传成永久免费”这种否定要求。

这类测试有意思的地方在核对标准答案。真正要看的是最终合作人数、预算范围、截止时间、负责人有没有错，纪要顺不顺可以往后放。麻酱AI实验室还设计追问：最终几位博主，第三位是否获批，6500含不含小红书，初稿到底周二中午还是下午六点，有没有承诺注册转化目标。真实工作里，突然想起“客户到底同不同意加预算”比读完整篇纪要更常见。

短语音识别另测了asr-tiny。官方云端转写API目前单次音频不超过30秒、文件不超过10MB，支持WAV和MP3，不能把一小时会议直接扔进去。测试音频约20秒，包含FlowSnap、X Article、CTA、UTM tracking link、六千五、两位博主、10月27日下午6点前等中英混说和时间更正信息。

工作流被拆成四步：收集音频，按任务选模型，用固定模板整理，人工核对后存到知识库。模板包含会议摘要、最终决议、行动清单、未确认事项、关键数字、风险提醒。行动清单写负责人、截止时间、交付物，没明确说明就留空。这个细节比“帮我总结一下”更贴近实际执行。

有网友在回复里提到，音频理解和会议纪要应该拆开看；也有人追问，标未确认时模型是真留空，还是会顺手把讨论里的数字填上去。这个疑问值得保留。开源模型也不等于云端使用免费，权重开放不代表算力和API推理没有成本。飞书、腾讯会议这类成熟产品的录制、协作、共享、任务同步，也不是一个模型能全包的。

更实际的做法，是先把录音、理解、人工核对、保存跑通，再考虑自动化集成。对跨平台开会的人，价值在于音频整理能力不再绑死在某个会议软件上。需求后来变了，旧结论可以保留，但不能继续混在当前待办里。每项结论最好留下三样东西：对应录音片段、最后确认时间点、人工核对状态。还可以补一个测试：同一段录音整段处理和分段处理，改口刚好跨过切点，系统能不能保留最终决定、撤掉已取消任务。