特別企畫》AI 智慧錄音裝置大評比，轉錄品質是唯一王道（上）
當前標榜 AI 轉錄功能的錄音裝置雖然五花八門，但基本操作方式與功能大同小異，而且各家莫不致力讓初次啟用的程序極盡親和、簡單之能事。但會買這類產品的使用者，最終在乎的莫過於錄音檔轉錄成文字的準確性。有鑑於此，筆者將對手上 3.1 支（1 支無法登錄，只有 3 支可測）使用過的錄音裝置進行評測，以供讀者今後採購上的參考依據。
筆者是重度智慧錄音裝置使用者，除了線上 AI 轉錄工具外，分別使用過搜狗 Sogou AI 智能錄音筆 C1 C18D、Wooask 錄音翻譯筆 S01、Philips 智能錄音筆 VTR5102 Pro，以及最新的 Plaud NotePin AI 智慧賿囊（以下分別簡稱搜狗 C1、Wooask S01、Philips 5102 及 Plaud NotePin）。
▲ 多 AI 模型加持的 Plaud NotePin AI 智慧膠囊。
外型有如膠囊狀，重量只有 16 克的 Plaud NotePin，自我宣稱是全球最小的錄音裝置，該機一拿在手中，很難感受不到該產品出色的做工及質感。針對錄音檔，除了轉錄成文字外，該產品還可以生成摘要和心智圖。該產品剛發表時便以 GPT 4o 及 Claude 3.5 雙 AI 模型驅動的宣傳噱頭造成話題，如今不但進一步更新至 GPT 4.1 及 Claude 4，還新增了 o3-mini 及 Gemini 2.5 Pro/Flash 等 AI 模型。40 天待機、20 小時連續錄音能力，再加上提供無限雲端儲存容量，十分適合有大量且頻繁錄音需求的使用者。再者，在強大專業範本的加持下，即使是中英文夾雜的訪談，該機也能展現一流的辨識度。
▲ 轉錄文字、同步翻譯兩相宜的 Philips 智能錄音筆 VTR5102 Pro。
比起當前動輒超過新台幣 5,000 元的主流智慧錄音筆，第一代 Philips 5102 錄音筆 3,500 元的價格算是相當親民。比起錄音檔轉錄文字功能，該機同步翻譯似乎更吸睛，但又比不過更專業的雙向語音翻譯機。基本上，其轉錄品質尚可，但面對專業詞彙的辨識精準度似乎不盡理想。至於在中英夾雜對談的測試中，其英文轉錄品質只能用「全軍覆沒」來形容。令人困惑的是，每一筆轉錄完的文字中幾乎都會出現許多莫名奇妙的空格，所以每一回都必須透過「尋找/取代」的方式來移除空格。更無奈的是，每次開機都會出現 5 秒的廣告頁面，雖然使用者可以點擊畫面立即加以停止，但在緊急錄音需求時，絕對是個困擾。
▲ 支援邊轉邊綠功能的 Wooask 錄音翻譯筆 S01。
Wooask S01 最大特點就是邊錄音邊轉文字，但它有一個極大的缺點，就是偶爾會出現錄音錄到一半就無預警中斷的狀況。這對記者來說，在採訪過程中有一大段受訪內容沒錄到，無異末日災難。也因為如此，筆者從那時起便開始養成時不時檢查錄音筆是否還在錄音的習慣。雖然該機子支援本機錄音（亦即不藉助 App 錄音）功能，但有鑑於該機有錄音中斷的可怕前科，再加上很難分辨該機錄音時所亮綠燈（竟然不是其他競品常見的紅燈）和開機亮藍燈的差別，所以更加不敢使用。
▲ 需要搭配微信帳號的搜狗 Sogou AI 智能錄音筆C1 C18D。
由於搜狗 C1 的「搜狗錄音助手」App 需要搭配微信帳號，但自從微信被官方莫明被封鎖後便無法登錄使用，所以無法參加這次評測。就轉錄品質而言，該產品不但便宜，而且實際表現不差，尤其在採訪來自大陸公司且操北京話的受訪者，其轉錄表現更加完美。不過，該產品所轉錄的文字皆為簡體字，所以使用上會多一道簡轉繁的工序。最令人詬病的是，其錄音檔轉錄成文字的速度時快時慢（尤其易受網路訊號強弱的影響），而且多半需要冗長的時間才能完成，甚至還出現過轉錄失敗的情況。
分現場/喇叭人聲兩大測試標的，另立中英夾雜及中文術語專項測試
雖然透過開箱文可以搶先知道有哪些值得關注的新產品，但畢竟「有比較才有傷害」，透過評比才知道自己中意的錄音裝置有多好。一般來說，錄音對象大致分成現場人聲（例如採訪或會議時，實際面對面的人聲）與喇叭人聲（例如研討會、遠端會議時經由喇叭放出來的人聲）兩種。
針對前者，筆者特別現場朗誦有關美國總統川普中東之行的新聞稿（共 1,187 字），同時啟動三台機子進行本機錄音，然後再各自上傳到自家 App 進行轉錄。針對喇叭人聲則播放 YouTube 頻道《曲博科技教室》有關拓璞量子位元驅動之量子晶片的影片（長度 7 分 36 秒），來進行三台機子的錄音與轉錄。
Plaud NotePin 整體性表現奪魁，Wooask S01 專項能力突出
首先就現場人聲之整體性轉錄結果來說，轉錄表現最佳的是 Plaud NotePin，錯誤率只有 2.59%，表現居末的是 Philips 5102，錯誤率竟然高達 11.11%。
一般錄音筆通常都不太擅長處理中英文夾雜的談話內容，在這次現場朗誦中，Wooask S01 的中英文夾雜辨識能力表現最好，52 個英文單子竟然只有 2 個錯誤（3.85%），Plaud NotePin 的表現也不差，只拼錯 3 個單字（5.77%）。Philips 5102 表現不佳，錯誤率超過一半，高達 57.69%。
面對現場朗誦中的中文專業術語（比較多國/地名及人名，例如川普、沙烏地阿拉伯、阿布達比、阿聯、資料中心叢集、利雅德等），Plaud NotePin 和 Wooask S01 表現一樣好，27 個術語只錯 3 個，Philips 5102 也不差，只錯 4 個。
在喇叭人聲評比方面，整體錯誤率最低的還是 Plaud NotePin（3.51%），原本人在現場人聲勝出許多的 Wooask S01（9.6%），反而在這裡被 Philips 5102 反超（8.9%）。
關於喇叭人聲的中英夾雜英文轉錄精準度的專項測試，Wooask S01 再度以 5.4% 的成績拔得頭籌，在一共 37 個英文字中，只有 2 個字轉錄錯誤，Plaud NotePin 則轉錯了 4 個字。不意外的是，Philips 5102 再度以高達 64.86% 的錯誤率（錯了 24 個字）墊底。
再就另一個喇叭人聲專項測試（中文專業術語，例如拓璞量子處理器、馬約納拉零模態、奇偶校驗等）而言，勝出的還是 Wooask S01，在一共 72 個中文專業詞彙中，只錯了 8 個字。僅次在後的 Plaud NotePin 則錯了 10 個字，表現最差的 Philips 5102 共錯了 34 個字（47.22%）。
▲ AI 智慧錄音裝置轉錄評比結果表。
可惜的是，Wooask S01 出類拔萃的中英文夾雜及中文專業術語轉錄能力，對於整體轉錄品質的提升幫助不大，結果仍在整體轉錄品質評比中吊車尾。和 Wooask 形成強烈對比的是Philips 5102，前者是專項超強，整體表現不佳；後者則是整體表現尚可，專項慘不忍賭，這一點可以從明明專項測試「一塌糊塗」，但整體評比卻超越 Wooask 可以說明。
至於 Plaud NotePin 的整體轉錄品質始終保持第一，其專項測試能力也很穩定，僅略遜於第一名。事實上，該產品內建「我的業界術語表」，使用者可以針對行業別自訂術語。這次測試並沒有事先進行業界術語的設定與新增，相信設定好之後，整體表現會更加亮麗。
（圖片來源：科技新報）