周一早上九点，产品经理阿哲的周会开到第十二分钟。领导突然点他，你复述一下刚才说的第三点。
他低头看笔记，本子上只写了半行。再抬头，投影已经翻到下一页了。
会后他翻录音。四十五分钟的音频，他听了一遍，又听一遍，整理成文字用了一个半小时，那天下午什么都没干成。
两个数字：2.5% 和 0.13 秒
10 月 1 日，微软发布了一个模型，名叫 MAI-Transcribe-2-Streaming，这是它第一个实时流式的语音转写模型。
「流式」说的是它不等你讲完。你还在说，屏幕上就往外蹦字；说错了它自己回头改；一句话说完，马上定稿。
微软给的数字有两个。最终词错误率 2.5%，也就是一百个字里错两个半；最终延迟 0.13 秒，意思是你说完最后一个字，它落定的时间。
在 Artificial Analysis 9 月 28 日公布的流式语音转文字排行榜上，它排第一。第二名 Grok Voice Transcribe 2.0 Streaming 是 2.73%，ElevenLabs Scribe v2 Realtime 是 3.59%。这几家用的是同一个榜单、同一套口径，所以能直接比。
价格是每小时 0.54 美元，合三块六。阿哲算了一下，他那种三小时的会，十块出头。
六十种语言，自己换
另一点对做外贸的人有用：它覆盖 60 种语言，语种是自动检测、连续切换的。你不用先说一句「我要讲英语了」，中文里夹一句英文，英文里夹一句日语，它自己认。
我认识一个做跨境电商的，跟美国客户开视频会，客户中间冒了一句西班牙语。她当时没听出来，事后翻记录，那句也在。她说搁以前，这种中文夹英文、英文夹日语的会，转出来就是一锅粥，得自己一句一句对。
它接走的是「记」这个动作
阿哲说他开完会还得写纪要，这件事最烦。
他没往下说。
一边听一边记的时候，人是分裂的。手在写上一句，耳朵在追这一句，别人讲到哪了，他经常得抬头问一句。有次开完会，同事问他对那个方案怎么看，他愣了半天，说他光顾着记了，没顾上想。会开完了，他手上的本子写得满满当当，脑子里却空着。
这类工具接走的，就是「记」这个动作。它记的时候，人腾出来专门听和想。
也说清楚它不是什么
几件事得讲明白。上面这些数字是微软官方公布的，也是在特定测试集上跑出来的；你自己的方言、会议室的回声、当时的网速，都会影响实际结果。
价格每小时 0.54 美元，现在处于优惠阶段，之后会不会调，没说。想用的人还得看手上是什么账号、有没有对应权限。
另外，会议录音这事本身还涉及合规。公司有规定的按公司规定来，这一点跟工具没关系。
阿哲说他打算先拿下次周会试一次。试完再决定，是接着熬夜整理，还是能早点回家。
你开会是自己记，还是有人替你记。有没有哪种场合，是你特别希望字能自己出来的。