你一定遇过这种崩溃：临时在咖啡馆把录音设备往桌中间一放，回去一听——
离设备近的人像贴着你耳朵说话，远一点的同事像隔着水在讲话；键盘声、咖啡机蒸汽声、背景音乐把“最终结论”盖得干干净净。
更绝的是，只要有人开外放或会议音箱，录音里就开始“回声套回声”，听到怀疑人生。
问题往往不在“你没记”，而在“录音链路没跑对 + 摆放位置错了”。
下面把会议记录硬件这波升级里，最关键的三段链路用人话拆开，再给你两套场景化摆位方案。
先搞清楚：你听不清，通常卡在这三段
1）多麦阵列 + 波束成形：把“主讲人”从噪声里抠出来
一颗麦克风听到的是“混响 + 人声 + 环境噪声”的大杂烩。
多颗麦克风（多麦阵列）会利用“声音到达不同麦克风的时间差/强度差”，把“声音主要来自哪里”判断出来，然后用波束成形把拾音“朝向”对准主要说话方向。
你得到的不是更大声，而是更高的信噪比：人声更靠前、背景更靠后。
所以同样是咖啡机轰轰响，有阵列的设备通常不会被它完全带跑。
2）说话人分离：把“谁在说”拆成多个轨
多人讨论最难的是：声音混在一起，后期再想分清“谁说了这句”很痛苦。
说话人分离的思路是先提取每个人声音里的“特征”，再做多目标跟踪：当不同人轮流说话时，系统尽量把不同人的语音片段分开，减少互相覆盖。
但它也有“脾气”：
3）AEC 回声消除：外放一开，成败就看它
只要现场有外放（手机/电脑外放、会议音箱），麦克风会同时收到：
AEC 的任务就是：知道“音箱正在播放什么”，把这部分从麦克风信号里扣掉，留下真正现场人声。
关键点：AEC 很吃摆放。
音箱离麦克风越近、音量越大、反射越复杂，AEC 越容易被逼到极限，出现“拉扯感/水声/断句”。
两套摆位方案：会议室和咖啡馆完全不同打法
A. 会议室（长桌/圆桌）：让“距离差”别太离谱
长桌（常见 6-12 人）
圆桌/小会议桌（4-8 人）
距离阈值（实操版）
距离差越夸张，分离与增益就越容易失衡。
B. 咖啡馆（近场噪声多）：先避噪，再谈拾音
咖啡馆最致命的不是“远”，而是噪声源离你太近：咖啡机、吧台、磨豆机、背景音箱、隔壁桌聊天。
摆位三原则
1）设备离人近一点没关系，但要离噪声源更远
2）设备不要贴着键盘、杯子、餐具（这些都是“脆、响、近场”的高破坏噪声）
3）如果必须外放：让音箱/手机外放与设备拉开距离，且音量宁小不宁大
一个简单的“避让法”
选购清单：别只看“降噪”，要看能不能被你控制
你真正需要对照的是这三类参数/能力：
1）麦克风数量与阵列形态
2）指向性模式是否可切换
3）降噪强度是否有档位、可控
4）是否明确支持 AEC 回声消除
录前30秒与会后10分钟：把硬件优势吃满
录音前 30 秒：环境采样 + 增益校准
你会发现：同一张桌子，往左挪 20cm，有时效果差一截。
多人讨论的“轮次规则”：分离准确率会直线上升
不用搞得很正式，只要两条就够：
分离系统最怕的就是“半句叠半句”，你们越守规矩，后期越省命。
会后整理：用时间戳做可复用纪要模板
不谈任何高门槛工具，就一个朴素方法：
- 结论（时间戳）
- 待办/负责人（时间戳）
- 风险点（时间戳）
- 需要二次确认的问题（时间戳）
下次同类会议，直接套模板，效率会很稳定。
