會議紀錄是最適合交給 AI 的工作之一：規則清楚、每天發生、對錯容易驗證。但它也有一個特別危險的性質——錯的時候通常不會報錯。
程式壞掉會跳錯誤訊息，會議紀錄不會。它照樣交給你一份格式完整、讀起來很順的文件，只是裡面少了六分鐘，或者把 A 說的話記在 B 名下。
我們自己跑了一場：70 分鐘，切成 9 段
2026 年 9 月，我們把一場 70 分 19 秒的實際會議錄音，用自家管線跑了一次完整流程：轉檔、切成 9 個 8 分鐘的段落、逐段轉寫、再合併成逐字稿與會議紀錄。
九段全部回報成功。如果就這樣交出去，沒有人看得出問題。以下三件事是我們逐段比對之後才發現的。
一、「假完整」：那一段只轉了兩分鐘，卻回報成功
第六段的轉寫結果只有 937 個字，而其他段落的中位數是 2,968 字——只有三分之一。它的內容停在 02:15，而那一段音檔有整整 8 分鐘。
更麻煩的是：重跑一次，它在同一個位置、同一秒停下來。這不是偶發的網路問題，是這段音訊的某個特徵讓模型提早結束。我們檢查了音量包絡，確認那段後面六分鐘有正常的說話聲，不是安靜。
把那一段再切成四個兩分鐘的小段重跑，內容就完整了（937 字 → 3,258 字）。六分鐘的對話，本來會安靜地消失。
二、講者標籤：跨段之後不是同一個人
分段轉寫有個結構性問題：每一段是獨立處理的，所以「講者 A」在第 1 段和第 8 段不一定是同一個人。我們那份逐字稿就出現了這個情況——同一個標籤在不同段落指向不同的人。
這不是某家工具的瑕疵，而是這個問題本身就很難。語音領域用「講者分離錯誤率」（Diarization Error Rate, DER）衡量這件事：把音訊切成片段並標上正確講者的錯誤比例。
根據 2025 年 9 月發表的研究〈Pushing the Limits of End-to-End Diarization〉（Broughton & Samarakoon, arXiv:2509.14737），即使是當時最先進的模型，在標準會議資料集上的錯誤率仍有：AMI-Mix 11.04%、AMI-SDM 15.33%、DIHARD III 14.49%。也就是說，每七到九分鐘的內容裡，大約就有一分鐘的講者標記是錯的——而這是實驗室條件下的最佳成績。
實務上的意義很直接：逐字稿可以拿來搜尋，但不能直接拿來追責任。「我來處理」是誰說的，最好回頭確認。
三、時間碼是生成出來的，不是量出來的
模型標出來的 [mm:ss] 看起來像資料，其實是它寫出來的文字。我們那份逐字稿裡，8 分鐘的段落出現了 09:20、10:14、甚至 11:21 的時間碼——超出該段長度。
所以我們一開始用「最後一個時間碼」來偵測有沒有漏轉，完全失效。真正有效的訊號是字數（跟其他段落比）和結尾是不是停在句子中間。
那你該檢查什麼？三個動作
- 比長度，不比感覺。 把每一段的字數排出來，明顯短於其他段落的那一段（低於中位數約六成）重跑一次。
- 看結尾有沒有句號。 停在句子中間的段落，八成是被截斷的。
- 重要的話回頭聽一次。 涉及金額、承諾、責任歸屬的句子，確認講者標記正確再寫進紀錄。
Aigent 的做法：把「不確定」講出來
我們做通用小祕書的會議功能時，只堅持一件事：它要能說「這裡我聽不清楚」，而不是自己編一句填進去。
實際交付的東西是：逐字稿（標好講者）、會議紀錄（決議、待辦、負責人、期限），需要的話附 SRT 字幕檔。站上寫明的量是標準版每天約可處理 3 場一小時的會議。
它不做什麼也講清楚：它不會替你判斷誰說得對，也不會把沒講到的結論補上去。會議紀錄的價值在於忠實，不在於好看。
最後
會議紀錄自動化真正的門檻，不是「能不能轉出文字」——那件事早就解決了。門檻在於它出錯的時候，你有沒有辦法發現。
如果你正在評估這類工具，帶著上面三個檢查去測一場你自己的會議，比看任何功能表都準。
📋 通用小祕書 NT$720/月起，會議錄音轉逐字稿與會議紀錄是標準版就有的功能。看看它怎麼運作 →
資料與方法
- 本文的實測數據來源：AQUANEST 於 2026 年 9 月 9 日實跑的一場會議錄音，長度 70 分 19 秒（MP3，320 kbps／48 kHz），切為 9 個 8 分鐘段落後逐段轉寫。字數、時間碼異常與重跑結果均取自該次紀錄。基於保密，本文不揭露會議內容、與會者或所屬公司。
- 講者分離錯誤率（DER）數據出處：Samuel J. Broughton、Lahiru Samarakoon，〈Pushing the Limits of End-to-End Diarization〉，2025 年 9 月 18 日，arXiv:2509.14737。文中引用的 AMI-Mix 11.04%、AMI-SDM 15.33%、DIHARD III 14.49% 為該論文所報告之模型在各資料集上的結果。
- 方案內容與每日處理量出處：ai.aqnest.com 方案說明頁，2026 年 9 月 14 日查閱。