拾音 Shiyin

拾音是我做的會議紀錄 app。錄 Zoom、Meet、Teams 不用讓機器人帳號加進會議，錄音、轉錄、分說話者都在自己的電腦上做完。只有整理會議紀錄那一步會把逐字稿交給 AI，用哪一家由你選，也可以選本機的模型或乾脆不整理。

一場會議走過哪些步驟

1. 錄音：來源可以是麥克風、電腦聲音，或兩個一起。線上會議選「麥克風＋電腦聲音」，對方的聲音也會錄進來。
2. 錄音中：左邊是即時逐字稿，右邊是自己的筆記，每換一行就記下錄音時間。按 ⌘B 標記重點。
3. 停止後：先拿即時逐字稿整理一份草稿，同時在本機正式轉錄、分出說話者，轉完再把草稿換掉。
4. 整理：逐字稿交給 Claude Code、Codex CLI，或 Anthropic、OpenAI、Gemini 的 API，也能接 Ollama、LM Studio 這類本機模型。產出摘要、決議、待辦、未決問題，每一條附時間點。

本機轉錄用什麼模型

中文和英文會議用 whisper.cpp 跑聯發科的 Breeze ASR 25，詞彙表當提示詞餵進去，人名和系統名比較不會寫錯。日文會議改用 Whisper large-v3-turbo，第一次轉日文時才下載。設定裡可以改選 llama.cpp 跑的 Qwen3-ASR 1.7B，多人搶話時漏字少，輸出用 OpenCC 的字表轉成台灣用字，預設還是 Breeze。不想下載模型也可以用 macOS 內建辨識，快很多，但不參考詞彙表。

長錄音分段轉錄，記憶體不會跟著會議長度漲。轉錄加說話者辨識的峰值約 2.9 GB，4 小時的會議也一樣（M3 Pro 實測）。

替說話者取一次名字之後，拾音會記住聲紋，下一場會議自動帶入。聲紋是一組數字，不是錄音，只存在這台電腦的資料庫，不放進匯出的檔案。

需要什麼

• Mac：Apple Silicon、macOS 26 以上、8 GB 記憶體。模型第一次用時下載，約 1.7 GB。
• Windows：Windows 11（x64 或 ARM64），C#、.NET 10、WinUI 3 另外寫的一版，功能跟 Mac 4.1 相同。
• 整理用的 AI：登入過的 Claude Code 或 Codex CLI、一組 API key，或本機的 Ollama、LM Studio。選「不整理」就只拿逐字稿。

我沒有 Apple 開發者帳號，app 沒經過公證，第一次打開會被擋，要到「系統設定 → 隱私權與安全性」按「仍要打開」，只要做一次。Windows 的安裝檔也沒有簽章，SmartScreen 擋下時按「其他資訊」→「仍要執行」。

已知的限制

• 錄音中的即時逐字稿用系統內建辨識，不吃詞彙表，英文專有名詞常錯，例如 Redis 變成 readis。錄完的正式轉錄會用詞彙表修。
• 遠距收音、很多人搶話的會議，錯字以漏掉搶話和語助詞為主。
• 很短、又幾乎只有一個人在講的錄音，話少的人可能被併進別人。
• 還沒有：中、英、日以外的語言，行事曆整合，iPhone 版。