混合會議收音設定指南：遠程同場，點樣先錄得清

一句答你：收音質素唔係喺軟件調出嚟嘅，係喺開會前 5 分鐘決定嘅。

大部分人遇到「AI 會議記錄唔準」，第一個動作係換工具。換完發現一樣唔準，因為問題根本唔喺工具。

問題通常係：實室嗰邊用一支共用咪、遠程嗰邊用手機開 speakerphone、有人坐喺門口。錄完出嚟嘅音，有一半時間根本聽唔到人講嘢。

呢篇由三層開始講：環境層、裝置層、檔案層。每一層都有你可以即刻做嘅嘢。整套流程可以喺廣東話會議記錄 AI 功能頁睇到。

Key Takeaways

• 收音質素三層決定：環境層（房間同擺位）、裝置層（用咩咪、幾多支）、檔案層（格式、壓縮、上傳方式）。
• 每人一枝咪或者戴耳機，遠好過一支共用咪。講者分辨靠聲音特徵，共用一支就分唔到。
• 遠程嗰邊唔好用 speakerphone。手機或者電腦嘅喇叭收音，會把成間房嘅聲都收埋。
• 錄音平台本身已經做緊降噪同回音消除。再開一層，會令聲音變得機械化，反而更難轉寫。
• 檔案層：wav／mp3／m4a／webm／ogg／flac 都可以；單檔 4.5 MB 限制可以靠壓縮到 16 kHz mono 解決，約等於 60 分鐘音頻。
• 收音差唔係冇得救，但救嘅成本遠高過開會前郁兩下。

點解 AI 會議記錄唔準，多數唔關 AI 事

答案先講：多數個案唔係模型唔夠好，而係錄音嗰一刻已經定咗質素。

有個做遠程會議錄音嘅研究挑戰，收集咗 30 間會議室、315 場會議，記錄低真實世界嘅各種情況。佢哋列出嘅主要困難包括：混響、講者距離同音量嘅變化、背景噪音，仲有會議過程入面嘅重疊發言、打斷、快速轉換講者、笑聲同咳嗽（NOTSOFAR-1 Challenge: New Datasets, Baseline, and Tasks for Distant Meeting Transcription，2026-10-25 查閱）。

同一個挑戰賽嘅總結報告再講多一層：大部分參賽方案都喺前端做重疊語音分離同降混響處理，呢一步直接決定後面轉寫嘅準確度（Summary of the NOTSOFAR-1 Challenge: Highlights and Learnings，2026-10-25 查閱）。

【獨家觀察】呢啲研究全部都係假設「你控制唔到房間同硬件」。但係你控制到。所以對一般公司嚟講，最抵嘅改善唔係買器材，係開會前做三個決定：邊個坐邊、邊個用咩咪、遠程嗰邊點樣加入。

收音只係第一步；由錄音到出逐字稿同記錄嘅完整做法，見《AI 會議記錄教學》。

三層收音：環境層、裝置層、檔案層

環境層 係房間同擺位。硬牆、窗簾、地毯會吸收反射；玻璃幕牆加冷氣風扇就最差。坐位離共用咪愈遠，聲量差距愈大。

裝置層 係用咩收音。分支共用咪、一支全向咪、每人一枝咪或者耳機。呢層影響最大。

檔案層 係錄完之後點處理。格式、壓縮、仲係即時串流定批次上載。

三層嘅改善成本係倒序嘅。環境層近乎零成本，裝置層要花錢或者要改習慣，檔案層最平但要識做。

混合會議三種場景：全線上、實室加遠程、實室加電話

第三種場景最常被忽略。座機通話嘅語音頻寬同編碼限制，會令字尾聽唔清。重要嘅數字同人名，一定會後覆核。

每人一枝咪定一支共用咪：點解差咁遠

講者分辨（diarization）係靠每個人嘅聲音特徵去做聚類。共用一支咪嘅時候，房間入面所有聲音都係同一支咪收到，模型只能靠音色特徵猜。

港嘢嘅產品說明寫得好直接：單一麥克風嘅會議室環境，講者分辨依賴聲音特徵，準確度會受重疊發言、距離同音質影響；每人獨立麥克風或者耳機嘅線上會議表現較穩定。

研究方面亦支持同一個方向。有研究用時間到達差嘅方法做多麥克風分段，發現喺重疊發言上面，明顯好過單一麥克風方案，而且唔需要事先知道有幾多支麥克風擺喺邊（Spatio-spectral diarization of meetings by combining TDOA-based segmentation and speaker embedding-based clustering，2026-10-25 查閱）。

另一個方向係喺轉寫前面加一層空間滤波。有研究將波束形成同講者標註嘅轉寫一齊訓練，喺真實會議語料上面報告過字錯率嘅下降（Joint Beamforming and Speaker-Attributed ASR for Real Distant-Microphone Meeting Transcription，2026-10-25 查閱）。呢啲係研究者用多支麥克風做嘅實驗，普通公司唔使照做——原理只係說明「收音位置」比「軟件設定」影響大。

如果係實室開會，最平嘅做法係用一條有線耳機線做每個人嘅收音。唔使買 conference mic。

平台收音設定：唔好再開多一層

錄音平台本身已經做緊降噪同回音消除。你再開多一層，會出現「雙重處理」，音會變得唔自然，結果係更難轉寫。

實務上建議咁做：

• 唔好再開系統層嘅語音增強。 例如你用桌面軟件錄音，平台又做降噪，兩層會夾。
• 唔好開自動增益。 自動增益會將環境噪音一齊拉大，quiet 嘅人同大聲嘅人變成一樣，講者分辨冇咗依據。
• 錄音前做 10 秒試音。 唔係聽聲，係睇波形有冇一大截貼住底部。
• 開會前 10 分鐘唔好淨係測訊號。 要實際講一句帶數字同英文詞嘅句子，譬如「報價 3 萬 5，個 spec 下星期 send」，睇吓轉寫出唔出得返。

至於平台入面具體嗰個開關叫咩名、喺邊一版有，會隨平台更新。要用嘅話，直接喺你自己嘅平台入面搵「noise suppression」「noise removal」「echo cancellation」或者「麥克風增益」呢類字眼。

檔案層：格式、壓縮、仲有上載方式

呢層係俾開發者或者要處理舊錄音嘅人用。

接受嘅音檔格式：wav、mp3、m4a、webm、ogg、flac。

同步轉寫嘅限制：單檔 4.5 MB，交付時長上限 8 分鐘（480 秒）。超過 8 分鐘會回 400 audio_too_long，零扣費。

非同步路徑：audio_url 上限 200 MB、4 個鐘。超過同步窗嘅錄音應該行呢條路。

壓縮做法：官方文件建議先壓縮做 16 kHz mono Opus 16k，單檔約 4.2 MB 可以載約 60 分鐘音頻。

ffmpeg -i input.m4a -vn -ac 1 -ar 16000 -c:a libopus -b:a 16k output.ogg

計費：檔案轉寫 HK$0.80 每一個音頻小時，即時聽寫 HK$1.40 每一個音頻小時。都係按秒計、只收成功嘅部分。

即時串流嘅音檔格式契約係 raw PCM16LE mono 16 kHz。官方文件特別講明，送錯取樣率會得到垃圾轉寫，而且會按收到嘅 bytes 計費——即係話轉檔責任喺 client。

語言設定：轉寫語言要揀啱

收音清咗，下一步係話畀個引擎知你講咩語言。

港嘢嘅語音轉錄設定入面，「轉寫語言」可以多選，支援 30 種語言。預設揀嘅係粵語、普通話、English 三樣，即係三語混合。引擎提示都會寫明「三語混合」。

如果你嘅會議係純粵語，可以淨係揀粵語。如果你完全唔知會講咩語言，可以用「全唔揀（自動）」，由引擎自己偵測。

呢個設定做錯嘅後果好直接：揀咗普通話但其實講緊粵語，同英夾雜嘅詞會被音譯成近音中文字，逐字稿就冇咗可搜尋性。

專有名詞要另外處理。自訂詞庫可以加專有名詞同公司術語，上限 50 個詞、單詞 30 字、提示句 200 字。技術會議、產品會議用開嘅話，呢一步嘅回報最高。

收音前 60 秒檢查表

開會前 60 秒，逐項打剔：

• 每個人都已經戴咗耳機，或者用緊自己支咪
• 實室嘅共用咪擺喺枱面中央，冇人背住佢講
• 遠程嗰邊冇人用 speakerphone
• 有人企咗起身移動，或者門口有聲？
• 手機、電腦、手錶嘅通知響聲已靜音
• 實試講一句：「報價 3 萬 5，個 spec 下星期 send。」聽唔清就轉頭再調
• 轉寫語言揀啱咗（粵語／普通話／English 嘅組合）
• 專有名詞已經入咗詞庫
• 開會第一句話講明「今日會錄音，用嚟出會議記錄」

最後一項唔係技術問題，係合規問題。下一節講。

收音後：重轉錄同重新辨聲

如果已經錄咗，但質素唔夠，工具層面有得救。

重轉錄：用同一段音檔再行一次轉寫，換語言設定或者換詞庫。港嘢嘅會議助理支援重轉錄，每場會議可以重轉錄 3 次。

重新辨聲：如果問題係講者分辨錯——即係摘要入面負責人掛咗喺錯嘅人身上——就要重做講者分辨。系統喺辨聲狀態異常時會俾你「重新辨聲」入口。

兩個都要有額度，所以唔好亂試。先用逐字稿對一次，確定係轉寫層嘅問題先用。

轉寫層冇問題之後，輸出格式就要靠範本控制，節同撰寫指示點設計見會議記錄範本庫。而重轉錄之後，要驗行動項抽得啱唔啱，評分方法見AI 會議記錄準確度測試。

治理：錄音之前要講嘅一句話

香港《個人資料（私隱）條例》要求收集個人資料要有合法目的、要有告知、唔可以超出所需，保留期亦要合理（個人資料私隱專員公署：條例一覽，2026-10-25 查閱）。

錄音最易踩嘅位唔係技術，係程序。實務做法：

• 開會第一句話講明用途：「今日會錄音，用嚟出會議記錄同跟進事項。」
• 跨公司會議更加要講。
• 如果有人唔想被錄，畀佢一個唔錄嘅方法，唔好逼人。
• 定一個保留期，到期自動清走。

（以上係實務提醒，唔構成法律意見；具體情況請諮詢你嘅合規或法律團隊。）

邊啲數字我哋未測，同埋你自己點測

以下三項我哋未跑過，唔會作數；但每一項都可以用你自己嘅收音環境重跑出嚟。

【實測】本文嘅產品設定部分，我哋喺正式環境逐項對過。語音轉錄設定面板入面，「轉寫語言」係多選，預設揀咗粵語、普通話、English 三種，介面右上顯示「3 種語言」，底部有「全唔揀（自動）」選項，語言清單總共 30 項。

• 同一場會議，共用一支咪對比每人一支耳機，講者分辨準確度同逐字稿字錯率嘅差距。
• 遠程用 speakerphone 對比用耳機線，重疊發言段落嘅漏字比例。
• 16 kHz mono 壓縮前後，粵語聲調字嘅分別。

常見問題 FAQ

會議收音要準備啲咩硬件？

多數香港團隊其實唔需要買嘢。一支有線耳機，一條就夠。實室開會嘅話，人均一對耳機就已經遠好過一支 conference mic。

遠程嗰邊用手機唔係得咩？

手機本身唔係問題，用 speakerphone 開先係問題。戴住耳機用手機加入，或者至少將手機擺近自己，唔好擺喺枱中間。

錄音檔案要幾大先得？

同步轉寫單檔 4.5 MB、8 分鐘。用官方建議嘅 16 kHz mono 壓縮，約 4.2 MB 可以載約 60 分鐘。超過 8 分鐘就改用非同步路徑，200 MB、4 個鐘。

可唔可以錄完先upload？

可以，而且通常更好。因為你可以先檢查音质，必要時重錄。會議助理支援直接派 bot 入會做即時逐字稿，但即時嘅資料就係即時嘅質素。

收音差，換 AI 工具有用嗎？

冇用。質素問題喺錄音嗰一刻就定咗。換工具只會令同一段壞錄音有另一個版本。

幾錢開始？

檔案轉寫 HK$0.80 每一個音頻小時，即時聽寫 HK$1.40 每一個音頻小時，都係按秒計、只收成功嘅部分。

想試下自己嘅收音？

你可以拎一段自己公司嘅會議錄音（記得先取得出席者同意），去語音轉錄頁跑一次，再睇bot 入會做逐字稿嘅入會流程。想知工具同語言嘅分別，讀會議記錄 AI 比較。企業方案查詢：聯絡我哋。

---

本文由港嘢內容團隊編輯審閱（editorial review，2026-10-25）。想了解我哋嘅背景，可以睇關於港嘢；有技術問題或想申請功能開通，聯絡我哋。