你一定遇过这种崩溃时刻：线上复盘会录了 1 小时，转写出来——甲方和你被混成同一个人；关键结论淹没在“呃…嗯…”里。
更绝的是在咖啡馆：你自己听着都费劲，背景音乐、咖啡机、隔壁聊天把人声盖得干干净净。
很多人第一反应：AI 不行。
但更常见的真相是：你买到的是“参数看着很强”，但链路不完整/摆位不对的那类录音设备。
下面我把“听清楚”这件事拆成几个环节，你就能知道该看什么、怎么测、怎么摆。
先把“听清楚”拆成一条链路
市面上常见宣传会把一切都叫“AI降噪”，但真正影响体验的是这一整条链路能不能跑顺：
1) 麦克风：指向性与数量（线阵/环阵）
麦不是越多越好，关键是：它们能不能形成稳定的“指向”，把目标人声从环境里“抓出来”。
2) 波束成形（Beamforming）
你可以理解为：多支麦一起“合成一个更聪明的耳朵”，把主要声源方向抬高、其他方向压低。
没有这一步，远处的人声很容易被环境吞掉。
3) VAD 语音活动检测
判断“现在是不是人在说话”。VAD 不稳，会出现两种灾难：
4) 说话人分离（Diarization）
这一步决定：转写能不能把“谁说的”分开。
它最怕两件事：多人距离差不多 + 混响/背景噪声大。所以你会看到：同样设备，有的会议室分离很准，有的怎么调都糊。
5) AEC 回声消除 + 双讲抑制
线上会议最关键。音箱放出来的对方声音会被你的麦再收进去，形成回声/串音。
AEC 做得不好，你的录音会出现：对方声音被当成“本地说话人”，分离直接乱套；或者你一说话，对方就被压没了。
结论很直白：只讲“AI降噪”的产品，可能只做了其中 1-2 段；链路齐全的设备，才会在远距离、多人的场景拉开差距。
一套可复现对比法：别听宣传，自己测
你不需要专业设备，用手机计时 + 固定脚本就能测出“差一倍”的差别。
固定变量（建议照抄）
测试脚本（每人 20 秒）
“本周要把方案 A 的交付从 8 月 28 日调整到 8 月 30 日，负责人是张三，预算上限 3 万。”
记录表（你可以做成备忘录/表格）
| 距离 | 角度 | 噪声等级 | AEC开关 | 主观听感(1-5) | 转写准确 | 分离效果 |
|---|---|---|---|---|---|---|
| 0.5m | 0° | 低 | 关 | |||
| 1.5m | 60° | 中 | 开 | |||
| 3m | 120° | 高 | 开 |
你会很快发现：
三类使用场景：怎么选、怎么摆，比“买哪个”更重要
下面不讲具体品牌型号（避免你被种草带跑），只讲你该落在哪一类，以及摆位怎么避坑。
1）随身口袋型：适合咖啡馆/一对一访谈
优先级：近讲 > 降噪 > 分离
咖啡馆是“背噪 + 混响”双重折磨：远场再强也很难全赢。最稳的策略是：
摆位要点：
2）4-6 人小会议室：桌面中心是“性价比最好的摆法”
优先级：波束成形 + AEC + 稳定分离
摆位建议：
避坑距离：
3）8-12 人长桌：别迷信“AI”，先处理混响，再谈算法
优先级：麦阵列覆盖 + 空间声学 + 摆位
长桌最常见问题不是噪声，而是混响：人声在房间里反弹，转写和分离都吃亏。
两条最有效的“非 AI 升级”：
如果你们会议经常外放远端声音：
进阶：让复盘快一倍的命名与标签工作流
录音清楚只是第一步，真正省时间的是“找得到”。
一个很实用的做法（低成本但收益大）：
例：2026-10-02周复盘项目A产品-研发-销售
你会发现：当说话人分离偶尔出错时，标签与结构化摘要依然能让你快速定位关键结论，不会被一整段转写拖死。
