AI 會議記錄準確度測試：行動項抽取點樣評漏、誤、重複

一句答你：AI 會議記錄準確度唔可以一句「準唔準」講完。要分開三類錯誤計：漏咗幾多、抽錯幾多、同一件事寫咗幾多次。

大部分人試 AI 會議記錄，方法都係咁：開一次會，睇一眼摘要，覺得唔錯就完。

問題係咁樣睇唔出三樣嘢。第一，你唔知佢漏咗咩。漏咗嘅嘢永遠唔會出現喺你眼前。第二，你唔知佢有冇作嘢。摘要睇落通順，可能係模型自己填嘅。第三，你唔知同一件事有冇寫咗兩次。

三樣都係「你見唔到」嘅錯誤。而會議記錄嘅核心產出，係行動項。

呢篇畀你一套可以重複做嘅測試方法。同埋一套數字，之後你自己跑得。

Key Takeaways

• 行動項抽取嘅錯誤分三類：漏抽、誤抽、重複。三類要分開計，混埋就冇辦法改。
• 覆蓋率（抽中 ÷ 人手標註總數）同準確率（抽中 ÷ 抽出具體條數）要一齊睇。淨係睇覆蓋率，模型可以靠「亂抽」攞到好分數。
• 港式會議 8 個高風險位：中英夾雜、港式英文專名、數字單位、人名、公司代號、懶音、重疊發言、語氣詞。
• 標註規則要事先寫死。「呢句算唔算行動項」唔可以問完先傾，傾完就冇標準。
• 測試集要有重疊發言、數字、專有名詞。全部係乾淨嘅普通句子，測唔到嘢。
• 工具層面可以救嘅位：改範本嘅行動項指示、重轉錄、重新辨聲。三招都救唔到，就係錄音本身唔夠。

點解「摘要睇落唔錯」唔等於「行動項準」

先講一個學術界已知嘅事實：會議摘要嘅價值唔在概括內容，係在行動項。Golia 同 Kalita 嘅研究指出，一般嘅摘要方法會當咗會議係一段對話，淨係抽主題，所以出嚟嘅摘要又泛又冇用；佢哋改成「由行動項驅動」之後先有實質改善（Action-Item-Driven Summarization of Long Meeting Transcripts，2026-10-25 查閱）。

同一篇研究亦提到，行動項抽取本身要處理兩件事：一係指代，一句入面嘅「你」係邊個；二係空句，例如「你下次會前要做埋嗰樣」，句式似行動項，但冇實質內容。

呢兩點解釋咗點解「摘要睇落唔錯」同「行動項準」係兩件事。摘要可以通順，可以覆蓋大部分主題，但行動項可以同時漏咗三件關鍵嘢、重複咗一件、仲加咗一件唔存在嘅。

行動項抽取 係指由逐字稿入面，抽出「邊個要做咩、幾時前」呢類可執行項目嘅過程。準確度就要靠三個數去講。

三類錯誤要先分清：漏、誤、重複

漏抽 係標準答案有、系統冇。誤抽 係系統抽咗、但原文其實冇呢個承諾。重複 係同一件事以唔同講法出現多次，例如「陳經理跟進報價」同「報價嗰邊由陳經理跟」。

三類嘅成因唔同，修正方法都唔同。漏抽多數係語言覆蓋問題。誤抽多數係範本指示唔夠精準。重複多數係模型見到同一件事講兩次就當兩件事。

所以【獨家觀察】第一個結論係：準確度低唔一定係模型差，可能係你嘅範本指示太空。 呢個先係最平嘅改善。

評分法：逐段標註，計三個數

第一步：寫低標註規則

事先寫一份標註指引，寫到另一個同事照住標，都標得返同你一樣。

指引最少要答四條問題：

1. 邊啲句子算「行動項」？有冇要求必須有負責人？
2. 「我哋下次再講」算唔算？
3. 「阿強會睇下報價」冇講期限，算唔算？
4. 同一件事講兩次，標一次定兩次？

第 4 條最易爭。答案係標一次，然後喺「重複」欄另外記低出現次數。

第二步：逐段標註

用固定長度做測試單位。建議每段 5 分鐘，逐段標。

每段寫低三樣：人手標註嘅標準行動項清單、AI 抽出嘅行動項清單、逐條比對結果。

第三步：計三個數

覆蓋率 = 抽中嘅行動項 ÷ 人手標註嘅行動項總數
準確率 = 抽中嘅行動項 ÷ AI 抽出嘅行動項總數
重複率 = 重複出現嘅行動項 ÷ AI 抽出嘅行動項總數

例如：人手標 12 條，AI 抽咗 10 條，其中 8 條抽中、1 條重複、1 條誤抽。

覆蓋率 = 8 ÷ 12
準確率 = 8 ÷ 10
重複率 = 1 ÷ 10

呢個例子入面，AI 睇落抽咗好多，但實際上漏咗 4 條。如果只計準確率，會以為佢做得好。

第四步：分三路修正

計完之後唔好停。將錯誤分類，逐類對應動作：

測試集點砌：10 段、3 類、8 個高風險位

測試集唔需要大，但要「有計較」。建議最少 10 段，來自 3 類會議：

• 日常類：週會、項目進度會。呢類最平淡，但係真實用量最大。
• 決策類：有拍板、有資源分配嘅會。呢類最易出現「誤抽」同「漏抽」嘅混合。
• 壓力類：投訴、事故、跨部門衝突。呢類最易出現語氣強烈嘅句子。

每段要刻意覆蓋呢 8 個港式高風險位：

第 7 個位最關鍵。香港會議嘅重疊發言比例高過一般辦公室，呢個位一錯，覆蓋率就會大幅波動。

順帶講一個量度陷阱：如果你用字錯率（WER）去比較中英夾雜嘅轉寫，數字會偏離你真正關心嘅嘢。香港科技大學團隊做粵英混合語料庫時就指出，傳統 WER 同 CER 對中英夾雜太嚴格——同一句用音譯寫定用原字寫，字面唔同但意思一樣，會被當成錯，於是提出一個額外計語意保真嘅指標（Developing a Multilingual Dataset and Evaluation Metrics for Code-Switching: A Focus on Hong Kong's Polylingual Dynamics，2026-10-25 查閱）。同一批研究之後再提出一個專為中英夾雜而設嘅語意感知誤差率（SwitchLingua，2026-10-25 查閱）。

【獨家觀察】呢個對你做行動項評分有直接啟示：唔好用一個數概括「準唔準」。 覆蓋率、準確率、重複率三個數，加上逐類錯誤清單，先夠你判斷下一步改咩。

標註規則：一份要事先寫死嘅標註指引

再講多次，因為呢步最容易被跳過。

標註指引唔係「大家小心啲」。而係一份逐條寫死嘅判斷表。例如：

最後一行特別值得留意。範本嘅行動項指示本身就要求「列明單一負責人」，所以雙負責人嘅句子，係一個天然嘅測試位。

人工覆核 10 分鐘做法

唔好靠通讀逐字稿去覆核。咁樣要一個鐘，而且會漏。

原理好簡單：模型抽取嘅嘢，一定有語句喺原文支撐住。冇支撐就係誤抽。有支撐但你冇印象，通常係漏咗。研究上亦有用「話語結構」去決定邊啲句子值得抽出嚟做摘要，喺 AMI 同 ICSI 兩個會議語料庫測試過（Leveraging Discourse Structure for Extractive Meeting Summarization，2026-10-25 查閱），同樣係靠結構判斷邊句有意義。

用呢個做法：

1. 先睇行動項清單（唔睇逐字稿）。將每一條問「我記唔記得有呢件事？」
2. 有印象嘅，跳過。
3. 冇印象嘅，跳去逐字稿搜關鍵字（人名、專有名詞、數字）。
4. 搵到嘅，標「抽中」。搵唔到嘅，標「誤抽」。
5. 最後對一次標準答案，搵漏咗嘅。呢步先捉到漏抽。

第 5 步唔可以省，因為漏抽係唯一一個你主動睇唔到嘅錯誤類型。

工具層面可以救嘅三招

如果三招都唔夠，先考慮換工具。

第一招：改範本嘅行動項指示。 內置範本嘅行動項節指示要求「跟進事項，以動詞開頭，列明單一負責人；如有期限一併註明」。你可以喺自訂範本加更緊嘅要求，例如「唔好將討論中嘅選項當成行動項」「同一件事合併成一條」。詳情見會議記錄範本庫。

第二招：重轉錄。 如果漏抽嘅根因係逐字稿本身錯（例如人名轉錯、數字轉錯），改範本冇用，要由轉寫層救。港嘢嘅會議助理支援重轉錄，demo 層每場會議可以重轉錄 3 次、每月 100 場。

第三招：重新辨聲。 如果問題係講者分辨錯，令「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。

三招都唔work嘅話，通常唔係提示問題，而係錄音質素問題。收音環境、麥克風擺位、重疊發言比例，會直接決定轉寫層能唔能夠抽到啲嘢。

遠程會議呢一塊有研究做過實測。有個專門針對遠程會議錄音嘅挑戰賽，收集咗 30 間會議室、315 場會議，記錄低唔同距離、唔同干擾、包括重疊發言同快速講話者轉換等真實情況；佢哋列出嘅困難包括混響、講者距離同音量變化，同埋背景噪音（NOTSOFAR-1 Challenge: New Datasets, Baseline, and Tasks for Distant Meeting Transcription，2026-10-25 查閱）。

你見到行動項抽唔到、或者抽到但負責人錯，嗰part見混合會議收音設定指南。

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錄音重跑出嚟。

【實測】本文引用嘅產品行為，我哋逐項對過現行產品設定：內置範本嘅行動項撰寫指示原文、每場會議可重轉錄 3 次同每月 100 場嘅額度、預設揀粵語加普通話加 English 嘅三語混合。呢啲係查返出嚟，唔係估。

• 一段 10 分鐘中英夾雜會議錄音，AI 抽出行動項嘅覆蓋率、準確率、重複率。
• 同一段錄音，改範本指示前後，三個數嘅變化。
• 港式 8 個高風險位各自嘅漏抽率。

想自己跑，可以跟廣東話語音轉文字實測嗰篇嘅測試集砌法，或者直接用語音轉錄頁跑你自己嘅錄音。整套會議記錄流程可以喺廣東話會議記錄 AI 功能頁睇到。

常見問題 FAQ

會議記錄 AI 準確度可以一個數代表嗎？

唔可以。至少要三個：覆蓋率、準確率、重複率。再加上逐類錯誤清單，先知改邊度。

幾多段錄音先夠測？

最少 10 段，但要覆蓋 3 類會議同 8 個港式高風險位。10 段全部係乾淨普通句子，測唔到嘢。

標註要幾多人做？

最少兩個人，各標一次，比較結果。兩人標得唔一致嘅句子，就係指引寫得唔夠清楚嘅地方。呢啲位最影響你之後嘅判斷。

漏抽同誤抽，邊個嚴重啲？

漏抽通常更貴。因為漏咗嘅事唔會出現喺任何人嘅畫面上，直到出事。誤抽至少會有人睇到，再花 10 分鐘刪走。

可以唔要人手覆核？

技術上可以。但冇覆核，你永遠唔知漏咗幾多，覆蓋率就係一個想象數。

幾錢開始？

檔案轉寫按音頻秒數計，係 HK$0.80 每一個音頻小時；即時聽寫係 HK$1.40 每一個音頻小時，都只計成功嘅部分。測試集用你自己嘅錄音，10 段幾十分鐘，成本係幾蚊。

想試下自己嘅會議記錄？

拎一段真實會議錄音（記得先取得出席者同意），去語音轉錄頁跑一次 baseline，再對住會議記錄 AI 比較睇下工具同語言嘅分別。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。