当前位置：

社区首页

家用电器

生活电器

收音录音

文章详情

199 元蓝牙AI录音卡，FunASR+本地大模型用下来真香

录音、转写、整理纪要、出思维导图，一块小卡片搞定

这两年录音设备接触了一圈——QwenNote A2、讯飞听见 M1、飞书妙记那款、钉钉 AI 录音笔这些都上手试过，价格在 1199 到 1999 这一档也都比对过。这些产品在各自领域都做到了前列，但拖了大半年没下手，主要卡在两个点上：

· 价格——QwenNote A2 卖 1199 元，讯飞听见 M1 大约 1799 元，飞书那款要 1999 元；

· 会议信息——这四款默认都会把录音推到自家云端做二次分析，技术评审会、项目立项会、客户合同谈判这种敏感会议，不太敢直接录。

前前后后比了好几轮，也没下手。

上个月，世界制造业大会上。看到一个小展位，一块蓝牙 AI 录音卡出现在我眼前——信用卡大小、磁吸贴手机。展位不大，但围着的人在试。

工作人员介绍：199 元起售，开源协议、可二次开发，开会时自动分出谁在说话，配套 App 录完自动出 AI 纪要 + 思维导图 + 待办清单，通话录音支持微信 / QQ / 钉钉 / 腾讯会议，骨传导 + 物理层录音让防窃听软件失效。

硬件部分不复杂——信用卡大小、磁吸一搭即充，开源协议，28 克铝合金机身，30 天待机 / 30 小时续航。

当时没买，先记下了线上渠道。回去之后又把产品手册、GitHub 仓库、用户评测、协议文档都翻了一遍，翻完一圈资料后——从线上下单。

到手后，零零散散跑了 20 多场会议。说几个真实的使用感受：

· 3-5 人小会：识别率很稳，谁说了什么分得清清楚楚，会后追责都有据可查；

· 8-10 人大会议室：说话快的人偶尔会窜到下一段，事后靠文字稿核对也能补回来；

· 外勤 / 客户拜访：磁吸到手机上就走，比掏手机开录音省事得多。

用到现在整体一句话：日常会议它都扛得下来，文字稿能搜到、参会人能追责，已经够覆盖大部分场景。

一、卡片本身能干啥、我又用 WorkBuddy 对接了啥

我把这块卡片和 WorkBuddy 接到一起，最终凑成一套"卡片录 + 本地转写 + 本地大模型整理纪要"的小闭环。先说卡片裸机状态下能独立工作啥：

· 裸机录音：单击开录、双击暂停、再单击续录，录完文件落本机存储，关机不丢；

· 通话录音：微信 / QQ / 钉钉 / 腾讯会议 这些工具都覆盖，骨传导 + 物理层通话录音让防窃听软件失效；

· 配套 App：配套APP端能直接看波形、看文字，录完自动出 AI 纪要 + 思维导图 + 待办清单；

· 蓝牙配对：长按菜单键 + 短按录音键进入配对模式，配合 BLE GATT 协议能被任意客户端接管；

· 导出兼容：基于标准 U 盘模式和磁吸 USB 数据线，任何主机都能直接挂载录音文件。

接下来是 WorkBuddy 在这头做的事——我把卡片和 WorkBuddy 串起来，主要做了下面这些：

· 先帮卡片做协议解析：BLE GATT 协议层、串口协议层、文件系统层全过一遍，把卡片私有协议翻译成标准 JSON 接口；

· 再搭一套本地 Web 后台：设备连接、文件拉取、状态监控、历史会议检索全在一个面板里；

· 把本地大模型接进来做后处理：摘要、思维导图、待办清单全部本地化，会议信息不出本机；

· 历史录音建索引：跨录音跨会议搜索，问一句"上周和法务的合同违约金那条怎么说的"，3 秒内返回原文位置和上下文。

最终搭出来的体感：开会时卡片往桌上一放、会完 App 端推一份带思维导图和待办的纪要；从录音到文字到整理全部跑在本机，敏感会议也不用担心被"听"走。

二、把这块卡片硬件拆开看一眼

蓝牙 AI 录音卡完整开放 API 协议，能二次开发接入到企业系统、教育平台、办公应用和智能硬件集成场景，给出录音、转写、翻译和协议对接能力。

· 设备管理：屏幕直接显示时间、电量、蓝牙状态、固件版本、时钟同步等信息

· 文件管理：本机自带存储，内置 WAV/OPUS 下载、断点续传、分段下载、单条 / 批量删除，也可用磁吸 USB 数据线连电脑当 U 盘用

· 实时转写：实时音频推流，支持暂停 / 继续 / 停止

· 录音控制：支持电话录音与常规录音，开始 / 保存 / 暂停 / 继续，状态 / 时长 / 文件名实时可查

· 蓝牙传输：通过蓝牙连接 App/PC，可实时转写、文稿复核、内容分享、AI 总结

AI 录音卡硬件参数

硬件部分不复杂——信用卡大小、磁吸一搭即充，开源协议，价格只要 QwenNote 的 1/6。

三、把声音变成文字那段：阿里达摩院 FunASR

FunASR 是阿里达摩院开源的端到端语音识别模型家族，不是单独一个模型，而是一整套语音处理流水线。底层基于 PyTorch 和 ModelScope，把语音识别相关的能力打包成统一接口，让开发者用几行代码就能跑通整条流程。

Fun-ASR-Nano-2512 基于数千万小时语音训练，覆盖中文、英文、日文及中文方言和地域口音；Fun-ASR-MLT-Nano-2512 是基于数十万小时多语种语音训练的 8 亿参数 checkpoint，覆盖 31 种语言。

· 核心能力：覆盖 ASR、VAD、标点恢复、说话人验证/分离、情感识别等全链路

· 统一入口：通过 AutoModel 接口加载模型，换模型只改一个参数，也能把 VAD + ASR + 标点自动拼成 pipeline

· 开源生态：2023 年开源，GitHub 上已获 15.2k Star，代码 MIT 协议，模型托管在 ModelScope 和 Hugging Face

本地快速部署 Fun-ASR 服务

git clone https://github.com/QwenAudio/Fun-ASR.git
cd Fun-ASR
pip install -r requirements.txt

语音转文字能力验证

# 健康检查
curl -fsS http://localhost:8000/health
# {"status":"ok"}

# 列出已加载的模型
curl -fsS http://localhost:8000/v1/models
# {"data":[{"id":"sensevoice"}]}

# 转写一段音频
curl -fsS http://localhost:8000/v1/audio/transcriptions
-F file=@meeting.wav
-F model=sensevoice