AI 录音卡怎么选？把开源款和钉钉、飞书放在一起看，答案很清楚

AI 录音设备的功能页面上，"转写""翻译""智能总结"通常是最显眼的卖点，但使用条款里往往还有几行小字：转写按分钟计费，多语言翻译需要订阅会员，而使用这些功能的前提，是录音要先上传到厂商的云端。钉钉、飞书、讯飞的产品基本都是这个模式——硬件是一次性支出，核心能力是持续付费；一旦断网或服务调整，能用的往往只剩最基础的录音。而对涉及客户信息、内部决策的会议来说，"音频先经过第三方服务器"这件事本身，就是不少企业明确的合规红线。

一张 199 元的开源 AI 录音卡，选择了相反的设计：BLE 通讯协议、四端 SDK、桌面 Demo、离线转写引擎，全部公开在 GitHub 上。录音可以不出设备，转写可以在本地完成，模型接口可以自由更换——这也是它在「AI 录音卡怎么选」这个问题上，和主流产品拉开差距的地方：花 199 元得到的不是某个应用的入口，而是"录音之后的每一步"的控制权。

先看这台设备的硬件参数

参数本身不算惊艳，但它做对了两件事：一是在 199 元这个价位把双麦 + 骨传导 + 硬件 DSP 降噪都塞进去；二是没有把传输协议和文件格式锁死。后面这一点，直接决定了它能不能从“一个硬件产品”变成“一个被开发者反复使用的基础设施”。

它开源了什么

把仓库翻一遍，结论很清楚：它把最值钱的那一层——接入层——完全公开了。

• BLE 通讯协议：GATT 服务 0xAE20，帧格式、CRC 校验、分包重组规则全写在 docs/协议.md 里；

• 四端 SDK：Android AAR、iOS 静态库、鸿蒙 HAR、Flutter Demo，全在仓库里；

• 桌面端 Demo：Windows / macOS 一套 Python 实现，命令行 REPL + Web 控制台都有；

• 厂商适配层：杰理、蓝讯、炬芯、BK 这几套方案的服务 UUID、特征值、分包差异，都被收敛在 VendorAdapter 里；

• 离线语音引擎：基于 sherpa-onnx，SenseVoice 做 ASR，模型带 manifest + SHA-256 校验。

没开源的部分：硬件 BOM、完整商用协议、样机，这些走商务合作。接入层开源已经足够让开发者当天就写出自用的第三方工具了——对这个价位的产品来说，这个开放度已经超出预期。

桌面 Demo 实测：六条命令走完全流程

环境要求不高：Python 3.10 以上、一个能用的 BLE 适配器、一张可连接状态的卡。命令行里六条命令走完全流程：

scan → connect 0 → smoke → list → download 0 → transcribe 0

扫描、连接、自检、列文件、下载、转写，一条龙。实时音频是 16kHz 单声道 Opus 裸帧（40 字节/帧，20ms），官方把原始流直接交给开发者，怎么解码、怎么喂给大模型、怎么做本地知识库，都由使用者自己定义。

离线录音 → 本地转写 → 智能分析 → 知识沉淀，全程可以在本地完成。

回到开头的槽点，这张卡的解法

对照开头说的几件事，逐条看它怎么答：

1. 录音要先上传云端？→ 录音默认存卡里。磁吸 USB 直接拷出，前端 DSP 断网也能跑，云端转写只是“增强”，不是必经。

2. 转写按分钟计费？→ 本地离线转写引擎。基于 sherpa-onnx 的 SenseVoice ASR，断网可用，不按用量付费。

3. 翻译要订阅会员？→ 模型可以换。转写和翻译能力不被一家绑死，DeepSeek-R1 / GPT / 豆包都能接，想换就换。

4. 音频要过第三方服务器？→ 数据主权回归用户。录音 = 文件 + 开源 SDK，不出设备、不挂账号体系，敏感会议也可以放心录。

这正是它和主流录音设备最本质的差别：别人把“录音之后的一切”做成订阅制，它把这一整套交还给用户。

它适合的人是：愿意把“记录”这件事，从“被动留痕”变成“主动设计”的人。

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