AI录音卡×Obsidian：开源ASR+说话人分离，会议纪要自动进笔记库

你有没有算过，一张 AI 录音卡一年要花掉你多少钱？

设备本身几百块只是开始：免费转写时长用完，会员费按月准时扣；不续费，录音就一直躺在 App 里吃灰，导都导不出来；好不容易转出一篇稿子，五个人的会挤成一大段，谁说了哪句全靠猜。

前阵子淘到一张蓝牙 AI 录音卡，价格不贵，一次买断。BLE 协议、设备控制层还有语音转写模块都开源在了 GitHub（SonicloudTech/sonicloud_opensdk），三大核心模块直接开放。

一、思路：三件套，各管一段

整套流程一句话就能说清：录音卡负责录，开源模型负责转，Obsidian 负责存。

声云录音卡只有卡片大小，往会议桌上一放就开录；转写引擎装在自己电脑上，断网也能跑，数据全程不出本机；纪要以文本文件落进 Obsidian 笔记库，检索、复盘、写周报都在里面完成。

这套组合为什么能成立？我翻了一下这家的开源仓库：录音卡的连接协议和 SDK 都公开在 GitHub 的 SonicloudTech 组织下，主仓库 star 2600 多。这在我接触过的录音设备里算头一回——大多数品牌把录音文件锁在自家 App 里，导出要么收费要么受限；这套 SDK 能把录音直接同步到电脑，后面接什么模型、存到哪里，全由你自己说了算。

二、动手：五步搭起流水线

流程我按官方仓库的说明梳理成了五步，前两步在硬件侧，后三步在软件侧，最难的不过是照着文档敲两条命令。

第一步，录一场会。像平时一样录一场三十分钟左右的会，人越多，后面说话人分离的效果越直观。

第二步，把录音同步到电脑。打开 GitHub 上的 SonicloudTech/sonicloud_opensdk 仓库，Windows、macOS、安卓、iOS、鸿蒙的接入示例都有，照着 README 与录音卡配对，把录音文件同步到电脑的指定文件夹。

第三步，本地跑开源转写。有独立显卡的电脑，推荐仓库自带的 sherpa-onnx + SenseVoice 离线引擎，或 faster-whisper；没有独显也能跑 CPU 版本，慢一些，但完全免费。模型主页都标了最低配置要求，转完你会得到一篇带标点的完整文字稿。

第四步，开启说话人分离。开源圈常用 FunASR 生态的 CAM++，作用是把谁在说话标出来，与文字稿对齐，五个人的会不再糊成一团：发言人1、发言人2 各自成段，一行发言人，一句发言。标的是编号不是真名，但整理纪要时谁承诺了什么，一眼能对上。

第五步，让纪要自动进 Obsidian。原理就一句话：Obsidian 的笔记库本质是电脑里一个普通文件夹。把第三、四步的输出目录直接设到笔记库里，纪要文件一落盘，打开 Obsidian 就能看到一篇按发言人分段、以日期命名的纪要。用思源、Logseq 这类本地笔记工具的读者同理。

上周一场五人的评审会开了五十分钟，中途路由器断网，没人管它——卡磁吸在手机背面，一直在录。散会回家，录音拖进文件夹跑转写，一杯咖啡的时间，三位发言人的纪要按段落分好，以日期落进了笔记库；回头要核对某句话，搜个关键词就能定位到原话。

三、效果与成本

按这套流程的设计，会一散、录音一同步，纪要几分钟后就出现在笔记库里；事后按发言人、按关键词检索，很快能定位到原话。 再算一笔账：这套方案的持续成本是零——模型开源免费，Obsidian 免费，数据不出本机。

对比按年交的转写会员费，卡的钱一次投入，之后每一场会都在替你回本。作为一张两百元档的国产卡，能给到这个自由度，我觉得值回票价。 主流方案的转写按量计费、翻译按月订阅，一年下来大几百上千；这套流水线里的转写模型和笔记软件，都是零订阅。

四、写在最后：开放，才有这种玩法

这套流程能跑通，靠的不是某个单点技术，而是开放两个字：协议开放，录音不被锁死在 App 里；模型开放，转写不用交税；笔记开放，文件永远归你所有。

同一张录音卡，在封闭生态里是一张会员卡的门票，在开放生态里是一条自动化流水线的起点。

感兴趣的读者可以自己去 GitHub 搜 SonicloudTech，仓库的 README 比我这篇文章写得细，顺手点个 star，就当给国产开源一点鼓励

开源仓库：https://github.com/SonicloudTech/sonicloud_opensdk