飞书妙记：会议记录自动化的标杆

可视化演示

展示飞书妙记实时语音转写、智能摘要生成与待办自动提取分发的一体化会议记录流程。

实时语音转写

宴会上宾客一开口，管家就在随身小本上刷刷记下原话，一个字都不落。妙记的“顺风耳”就是实时语音转写引擎：麦克风捕捉到声音的瞬间，系统就开始把语音变成文字，会议还没结束，文字稿已经长出来了。这正是它区别于录音笔的地方——不是“事后整理”，而是“边说边有”。

转写引擎采用“流式”工作方式，它不像传统录音笔那样等你说完再统一处理，而是边听边出字。每收到一小段音频（比如几百毫秒），就立即识别并追加到文稿里。为了让文字可读，引擎还会自动补充标点、划分句子，甚至把“嗯”“啊”这类语气词过滤掉，让“口语瀑布”变成一篇清爽的“发言记录”。

转写不可能 100% 正确，行业里用词错误率 WER 来衡量。假设一句话有 N 个参考词，引擎把其中 S 个词认错（替换）、漏掉 D 个词（删除）、多写出 I 个词（插入），WER 就是三类错误总数除以 N：

就像管家的小本子偶尔也有潦草的字迹，WER 就是衡量“潦草程度”的尺子。理解了它，你就明白妙记为什么总是在演示时强调“安静环境”和“普通话清晰”——因为这两点直接决定顺风耳的灵敏程度。

说话人分离识别

宴会里十位宾客同时开口，管家却能分辨每句话出自谁口。这不是魔法，而是他记住了每个人的声音特征——就像我们蒙上眼睛也能听出妈妈的声音，这叫“声纹”。妙记在转写的同时，也在悄悄做这件事：给每一段音频认领主人。

妙记会对每一小段音频提取一个“声纹向量”，把声音变成一串数字。同一个人说话时，声纹向量很接近；不同人说话时，向量相距很远。系统把相近的向量自动聚成一堆，每一堆就对应一个人，这就是说话人分离（Speaker Diarization）。它不需要提前注册每个人的声音，会议开完才知道“现场有几个人、分别是谁”。

说话人分离的核心是比较两个声纹向量有多像，最常用的度量是余弦相似度：

会后管家还会请主人核一眼：“这句应该是张总说的吧？”妙记允许主持人在界面上手动合并、拖拽或重命名说话人，这些人工修正会反馈到后续处理中，让纪要卡上的名字越来越准。

智能摘要生成

宴会结束，宾客散去，管家递上一张“纪要卡”：不写流水账，只写三件事——大家达成了什么、分歧在哪里、下一步做什么。这就是智能摘要的本事。它的目标不是“复述会议”，而是“替你读完全场”。

妙记的摘要采用“提取 + 生成”两步走。第一步提取：给每个句子打分，把最关键的句子原样挑出来；第二步生成：让大模型把挑出的要点重新组织成通顺的短文。打分时主要看三方面：句子本身的信息量、它在文稿中的位置（开头结尾通常更重要）、以及它与其他句子的重复程度。

把三个因素加权合并，就得到一个句子的综合得分：

更关键的是可控性。主人吩咐“纪要卡要分结论和待办两栏”，管家照办；妙记支持自定义摘要模板、控制摘要长度、指定关键词高亮，让纪要卡从“千篇一律”变成“量身定制”。

待办提取分发

宴会中有宾客说“我改天把酒送过来”，管家耳朵一动，立刻在小本子上记下一条“待办：张三送酒，日期待定”。会议里藏着无数这样的行动承诺，飞书妙记的待办提取就是那位耳聪目明的管家，负责把“随口一说”变成“白纸黑字”。

待办提取本质上是一个“二元分类 + 信息抽取”任务。系统先判断某句话到底是不是在布置任务（分类），再抽出责任人、动作、截止时间三个要素。经验上，“需要、必须、负责、本周、明天、跟进”这类动作句式是强信号。抽取出的结果会以“任务卡片”形式出现，可以一键指派给飞书联系人并设置提醒。

判断“这句话是不是待办”是一个典型的二分类问题，用逻辑回归或神经网络尾部接 sigmoid 完成：

光提取还不够，管家要“盯到底”。妙记与飞书任务、日历打通：待办被认领后进入“未完成→进行中→已完成”的闭环，到截止日自动提醒。这正是“行动追踪”四个字的含义，也是会议成果不落空的关键。

架构性能度量

管家再厉害，也要有顺手的工具间：传声管、速记台、书房。妙记的“工具间”是一条端到端流水线：音频采集 → 流式转写 → 说话人分离 → 摘要生成 → 待办提取，每个环节各司其职，像流水线上的工位一样协作。

要让“实时”名副其实，难点全在低延迟设计。音频被切成小块，边采边识别；转写结果同时喂给后端的说话人分离和摘要模块；大模型摘要跑在独立进程，避免阻塞转写。整条链路的目标是把“从开口到看见文字”的延迟压在几百毫秒到一两秒内。用户感知到的总延迟，是各个环环节节延迟之和：

考核管家不能只看“勤快”，还要看“准”。飞书宣传的“转写准确率高达 98%”指理想条件下的字准率（1 − WER）；真实办公环境有口音、方言、抢话，WER 会明显上升。理解准确率与延迟之间的“跷跷板”，你就能看懂产品每次更新背后的取舍。

生态场景集成

金牌管家还有个了不起的习惯：把历次宴会的纪要卡和原始账本分门别类收进家族档案库。妙记同样不满足于“记完就忘”，而是把每场会议的录音、文字稿、摘要、待办全部沉淀进飞书知识库，让会议变成团队的资产。

集成体现在三个层面。第一，与飞书会议联动：预约会议时勾选“妙记”，会议一开始就自动录制转写；第二，回放对齐：点击纪要里的任意一句，视频自动跳到对应时间点，回查极其方便；第三，知识库沉淀：纪要被结构化后可以跨会议检索，“上次我们怎么决定预算的？”一句话就能找到答案。

知识库的价值在于“被反复调用”，衡量沉淀效果可以看纪要复用率：

这正是“会议内容沉淀”的终极意义——从“听过就忘”变成“随取随用”。管家记的不只是一场宴会，而是这个家族多年的交情与约定；飞书妙记沉淀的也不只是一次会议，而是整个团队的集体记忆。

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-"""飞书妙记核心流程简化模拟: 转写->说话人分离->摘要->待办提取"""import re  def simulate_transcribe(dialogue):    """模拟流式转写: 把(说话人, 内容)列表变成带时间戳的文本流."""    lines = []    t = 0.0    for speaker, text in dialogue:        lines.append({"time": round(t, 1), "speaker": speaker, "text": text})        t += 2.0    return lines  def extract_speakers(records):    """说话人分离: 返回去重后的说话人列表."""    speakers = []    for r in records:        if r["speaker"] not in speakers:            speakers.append(r["speaker"])    return speakers  def summarize(sentences, top_k=3):    """提取式摘要: 用位置权重+关键词命中给句子打分."""    def score(s, idx):        pos = 1.0 if idx < 2 else 0.5        kw = sum(1 for w in ["结论", "决定", "必须", "目标", "问题"] if w in s)        return pos + kw * 0.8    ranked = sorted(enumerate(sentences), key=lambda x: -score(x[1], x[0]))    return [sentences[i] for i, _ in ranked[:top_k]]  def extract_todos(records):    """待办提取: 用正则识别动作句式并绑定责任人."""    todos = []    for r in records:        m = re.search(r"(?:需要|负责|本周|明天|跟进).{0,12}?", r["text"])        if m:            todos.append({"owner": r["speaker"], "action": m.group(0)})    return todos  def main():    dialogue = [        ("产品", "本周需要完成原型的用户调研"),        ("研发", "我来负责接口联调, 明天给出排期"),        ("运营", "需要跟进发布通告的文案"),        ("产品", "结论: 周五前确认方案"),    ]    records = simulate_transcribe(dialogue)    print("转写结果:")    for r in records:        print("  [%s] %s" % (r["speaker"], r["text"]))    print("说话人分离:", "、".join(extract_speakers(records)))    sentences = [r["text"] for r in records]    print("智能摘要:")    for s in summarize(sentences):        print("  -", s)    print("待办提取:")    for td in extract_todos(records):        print("  - %s 负责: %s" % (td["owner"], td["action"]))  if __name__ == "__main__":    main()

1. lines.append({"time": round(t, 1), "speaker": speaker, "text": text})为每句话盖上时间戳，模拟流式转写输出。
2. def summarize(sentences, top_k=3):摘要入口，内部定义打分函数。
3. kw = sum(1 for w in ["结论", "决定", "必须", "目标", "问题"] if w in s)用关键词命中数近似“信息量”。
4. ranked = sorted(enumerate(sentences), key=lambda x: -score(x[1], x[0]))按分数从高到低排序，取前 top_k 句。
5. m = re.search(r"(?:需要|负责|本周|明天|跟进).{0,12}?", r["text"])用正则匹配动作句式，识别潜在待办。
6. todos.append({"owner": r["speaker"], "action": m.group(0)})把发言人记为责任人，动作原文作为任务内容。
7. if __name__ == "__main__":可执行入口，直接运行即可看到完整会议流水线输出。

常见误区

面试题