我用 4 组测试 看看韶音 OpenFit 2 AI 能不能替代录音笔

过去的十几年工作里，除了手机和相机之外，录音笔也算是我接触过最多、使用最频繁的数码产品了，

从过去单纯的录音，自己边听边写到最后开始有AI加入大大的提升转写的效率，

在媒体采访工作流中，录音笔在采访和活动中对我来说主要起到的是留痕的作用，

活动结束开始写稿子的时候突然想到老板们说的一句话，但是又不确定的时候，录音笔能确保得到准确的信息。

在传统的工作流中，我通常都是录音、回听、找重点和金句、记录时间点、整理逐字稿然后开始写稿子。

所以其实耗时间最多的并非是录音，而是录音之后要做的一系列的工作。

我经常会拖动录音的进度条来确认领导的抬头和名称，判断一句话前后有没有语境并猜测大概是什么词。

所以有时候为了找一句十几秒的内容，我大概要花一个多小时来来回回听很多次。

AI出现之后，我的工作流也发生了变化，主要还是效率上的变化。

录音、自动转写、搜索内容、摘要、整理。

转写出来的内容精确度越高，就能帮我节省下更多的检索时间成本。

所以如果录音、转写、翻译和摘要都可以由AI完成，那一副耳机是否可以替代我的录音笔呢？

这也是我这次想测试韶音OpenFit 2 AI的主要原因。

目前公开的信息显示，OpenFit 2 AI主要升级集中在录音、转写、翻译和AI总结等功能，

依旧保留了OpenFit 2的开放式耳挂结构，接入千问大模型，拥有海量真实场景语料库，擅长理解复杂专业语境，

拥有金融、法律、科技、医疗等12大行业词库，支持30类语种和19种方言。

先是一副 OpenFit 2，然后才是一台 AI 设备

我手上本身就有OpenFit 2这款耳机，而且也是我健身房锻炼主要佩戴的耳机，

OpenFit 2 AI的基础形态，是建立在OpenFit 2的基础上的，所以我觉得我没必要再花大篇幅的内容来讨论佩戴感受、三频等传统耳机评测项目。

我就简单拿几张对比图，从外观就能看除了上盖开孔之外，外观、佩戴形态都没有发生变化，

技术声音表现也没有明显的差别，开放式耳机那种保持环境感知体验同样被保留下来了。

这些基本盘当然重要，但它们不是这次评测的重点。

OpenFit 2 AI已经不止是一副拿来听音乐和接电话的开放式耳机了，千问大模型的加入让它开始承担录音、转写、翻译、摘要和写作等任务。

所以评测逻辑也需要跟着变化，当OpenFIt 2 AI开始承担信息记录工具的角色之后，它到底可靠不可靠。

这次评测，我只关心它靠不靠谱

要验证OpenFit 2 AI的可靠性，主要围绕很直接的四个重点，首先是能不能录得到声音，转写的精确度，AI能否识别出有几个人在说话，以及最终转写和翻译出来的内容能不能用。

录音笔的使用环境其实是非常复杂的，环境好点的课堂和图书馆甚至是会议室，基本上手机也可以录音，但是多人对话中会存在抢话、突然飙高音等情况，

录下来的声音是否能理解上下文的语境，除了普通话和英语之外，千问大模型据称能识别19种方言，那正好我们用上海话来试试看其方言的识别能力。

录音和转写只是一个过程，融入到工作流之后，我还要继续搜索、核对信息、摘要和写稿，

如果AI生成的内容还需要我逐句回到原始录音里去确认，那它节省的时间就没有我想象中的多了。

所以判断标准我不会选择普遍的“识别准确率”。

CER 比“识别准确率”更适合做这次测试

很多录音笔产品宣传都会以“识别准确率95%”作为卖点，问题是95%到底是什么概念？

是按字数算？还是词算？

如果同一句话里错了一个字，和整句漏掉，在这个数字里又分别占多大权重？

所以为了尽可能地客观测试OpenFit 2 AI的转写能力，我会采用CER（字错误率）。

它的计算方式是：

CER =（替换错误 + 删除错误 + 插入错误）÷ 参考文本长度

CER数值越低越好，CER为0%则意味着转写文本与人工校对标准稿完全一致。

当然，作为媒体相关工作不能只看CER，因为如果一段2分钟的录音里只错了几个字，整体CER可能并不高，但其中企业名称、领导抬头、领导名字错了的话，对于写稿是有致命性伤害的。

所以除了CER，我会单独统计企业名称、领导抬头、领导姓名、金额、日期、百份比和英文缩写的错误。

将这两个指标分开来看。

发布会现场：AI 耳机和专业录音笔正面对比

第一组测试样本使用的是在我韶音OpenFit 2 AI发布会现场的录音素材，

同一场发布会、我正巧坐在最后一排、同一个演讲人和同一个时段，OpenFit 2 AI和我平时使用的专业录音笔同时录制。

同样录制的一段1分54秒的现场录音，韶音OpenFit 2 AI录音文件容量为666KB，录音笔的录音文件容量为121MB。

韶音OpenFit 2 AI在综合响度方面比专业录音笔高4.6db，更直接也更容易听清。同时韶音OpenFit 2 AI背景音比录音笔低了7db，韶音OpenFit 2 AI提供了更强的降噪处理能力。

在人声部分2-4KHz频段，OpenFit 2 AI为3.8dB，在辅音、咬字和语音识别关键信息方面较为突出，

而在4-8KHz高频细节部分，听感更“亮”，这样有利于大模型更好的听清和理解字词。

而在峰值余量方面录音笔余量更大，在遇到突发大音量声音时不容易爆音。

总体来看，韶音OpenFit 2 AI在实际录音质量方面，人声更靠前，背景噪音处理干净，人声清晰度频段语音细节也更为完整。

录音笔的文件规格更高，并且保留了更多的电平余量，后期拉音量会更稳定，

韶音OpenFit 2 AI在安静环境，单人中距离讲话的场景下很占便宜，但如果是多人激烈讨论、突然提高音量可能会出现压缩感和局部失真。

在转写部分，在现有标准稿范围内，OpenFit 2 AI 的 CER 为 12.61%，专业录音笔为 15.13%。

但从关键信息识别率看，OpenFit 2 AI 错误 2 项，专业录音笔错误 4 项。虽然只是截取了发布会中其中一个段落作为参考样本，但还是有一定的参考价值。

法律和医疗咨询：真正的难题是专业词和多人抢话

第二组的测试难度就开始指数级的提升了，正巧我之前有两段法律和医疗资讯的录音样本文件。

法律资讯部分是包含三个人的真实法律资讯录音，录音中会同时出现普通话、上海话、普通话与上海话方言的切换，以及法律专业词汇，而且其中还有抢话的语境。

从图表中可以看到，韶音OpenFit 2 AI基于千问大模型，在专业术语的命中率上还是挺高的。

这里我需要说一下普通话CER为0%是因为整段沟通中普通话大概只出现了6个字。

最让我惊讶的是在上海话的CER的指标上，毕竟在样本语境中上海话说的非常快，CER还能获得54%，韶音OpenFit 2 AI对方言的识别能力也是挺厉害的了。

另一组是医疗咨询，在一个比较嘈杂的环境下的2人对话，其中涉及比较多的专业医疗术语，而且全程沟通中会出现比较多的环境干扰声音，比如喧叫声、电话铃声和打印机打印出纸的声音。

在嘈杂环境下，录音笔的整体字符错误率更低，为 13.75%；OpenFit 2 AI 为 17.29%。

但从医疗专业术语看，OpenFit 2 AI 的命中率更高，达到 77.8%，高于录音笔的 61.1%。

这说明 CER 只能衡量整体文字差错，不能替代对关键医疗术语的单独检查。对于医疗咨询这类场景，漏掉“室间隔”“心梗三项”这类词，影响会明显高于普通语气词或重复字错误。

从 1 米到 20 米，转写能力会怎么衰减

从之前的测试来看，OpenFit 2 AI会刻意调高录制的综合响度，并且尽可能的消除环境的噪音。

但我也非常好奇，到底OpenFit 2 AI转写CER到多少米才是极限。

所以我选了个相对安静的室内空间，音源音量保持不变，用同一个样本，保持人与设备的朝向。

我准备设置为1米、5米、10米和20米四档距离来录同一个2分钟的文本。

1米作为基准稿件是我人工进行听写的基准稿，实际从图表中可以看到随着距离增加之后，转写的衰减性是很明显的，而到20米的时候CER值在53.78%。

即使在20米的距离下，OpenFit 2 AI还能提取部分讨论主题，但已经无法稳定保留逐字内容，由于距离的原因更像是生成了一个大概的摘要，当然正常情况下在20米距离录音也是很极限了。

翻译不能只看最后一句中文

在之前的现场发布会录音中，OpenFit 2 AI在中英文混合语境中，显然没有抓到关键的英语词汇，

所以我想测试下韶音OpenFit 2 AI分别在英文语境识别结果、科技英语识别结果以及中英混说的识别结果。

第一组为纯英文语境，主要观察原文识别和中文译文是否出现语义反转的情况。

第二组使用科技行业英语，里面会涉及AI、芯片、存储、音频和英文缩写，考验其对上下文的理解力。

第三组模拟我平时可能遇到的科技采访情景，在中文里不断插入inference、HBM、UCIe、AI PC之类的词。

这可能是最接近我实际工作的场景。很多转写系统面对英文表现都很好，但到中文语境里的英文缩写，容易出现听到了单词，但是不理解这个词在这个行业里到底是什么意思。

在纯英文语境下，OpenFit 2 AI 的英文 CER 为 15.55%。它能够保留大部分对话主线，否定句也没有出现明显反转，但存在语义替换。

尤其是将原文中的 “da, da, da” 翻译成“搞定了吗”，说明它可以帮助用户快速理解大意，算是可靠的英文转写与翻译。

在科技英语测试中，OpenFit 2 AI 的英文 CER 为 12.03%，明显优于上一组纯英文语境的 15.55%。

它对 HBM、GPU、data center、power grid、processor 等科技词汇的识别总体稳定，关键术语命中率达到 89.5%。

但 NVIDIA B200 被拆分识别，gaming GPUs 被误识别为 gaming GPS，说明它已经能够处理大部分科技英语内容，却仍可能在具体产品型号和缩写上出现影响事实的错误。

在中英混说的科技采访场景中，OpenFit 2 AI 的 CER 为 17.97%，明显高于纯科技英语测试中的 12.03%。

它能够保留 logo、Manifesto 等常见英文词，但在品牌名、人名和完整专有名词上表现不稳定：Jane 被识别成“简”，Sandisk 的英文名被省略，Susan Park 则没有被识别出来。

这个结果说明，OpenFit 2 AI 在中英混说环境下可以帮助用户理解完整的内容，但用于科技媒体写稿，英文品牌、人名和产品信息还是需要回听确认。

我用了十几年录音笔了，一直留在身边最主要解决的是随时能录制我需要的声音。

数字录音让声音能更好地存储，语音识别则让声音能快速的转成文字。

OpenFit 2 AI的优势非常明显，它本来就是一副可以长期戴在耳朵上地开放式耳机，所以我不需要额外再去寻找录音笔，

当然它也不能代替专业录音笔，尤其在超远距离、多人抢话和高风险专业场景下，关键内容仍然需要回听确认。

当我不需要工作的时候，它就是一副兼顾通勤和运动的开放式耳机，当我开始工作时他也能给我提供可靠且值得信任的转写和翻译能力。

很多时候临时采访根本不会给我准备时间，一副能始终戴在耳朵上的OpenFit 2 AI，它有机会成一副每天戴在耳朵上的信息记录工具，光是少带一个设备就已经非常省心了。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～