录音豆 899 买了，半年后每月还要再交 69？我用开源模型搭了一套不交会员的”附提示词“

今年最火的 AI 硬件里，有一颗 10 克的“豆子”。

飞书和安克一起出的 AI 录音豆，1 月发布，卖 899 元。夹在领口就能录，单颗续航 8 小时，录完自动出纪要，存进飞书知识库。

东西是真不错,但我算了一下账，犹豫了。

---

一、先把账算清楚

我去飞书官方帮助中心和定价页核了一遍，录音豆的钱分两部分：

1.硬件：899 元送的权益：绑定后 6 个月内，每月多给 1200 分钟转写、25 篇智能纪要，和飞书的免费额度叠加

2.6 个月后：只剩飞书的免费额度，官方说法是“根据计算资源动态发放”，没有写死给多少 .想稳定用：AI 会员每月 69 元，按年付 699 元，每月 3000 分钟转写

也就是说，送的半年一过，想每次开会都有纪要，基本就得开会员。

算一笔三年账：899 的硬件，加上之后两年半的会员（两年按年付 1398，半年按月付 414），合计约 2700 元。

二、录音豆真正收钱的是哪一步

把录音豆拆开看，它做了三件事：

1. 收音：两个麦克风，5 米半径

2. 转写：把声音变成文字，分出谁在说话

3. 纪要：从文字里提炼出结论

第 1 步，手机、几十块的录音笔都能做，差别只是夹在领口方便不方便。

会员费买的，是第 2、3 步。而这两步，正好是最近开源语音模型进步最快的地方。

三、我的做法：录音交给手机，剩下交给 Ming

我用的是蚂蚁百灵刚开源的 Ming-3.0 语音系列。一次放出了五款模型，覆盖识别、理解、合成。这次我只用了一个：Ming-3.0-audio-flash，网页上就能直接用。

为了测得狠一点，我没用会议录音，挑了一段 11 分钟的两人辩论：主题是“宠物经济是不是自我感动”。比开会难，两个人观点对立，语气一路从调侃吵到激动。（音频来源：麦片是只小金毛）

第一步：转逐字稿

上传 MP3，只发了一句：“转成逐字稿，标出说话人。”

11 分钟的录音，思考 5.5 秒，大约 14 秒全部吐完。两个人分得清清楚楚，我对着原音频抽查了开头、中间、结尾三段，没找到错字。连“人吃什么狗吃什么”这种口语也原样保留了。

第二步：直接听录音出纪要

这一步是我觉得最值的。

audio-flash 不是先转文字再总结，它直接听音频。官方的说法是，这样能保留说话人、语气和环境信息。

我给它的提示词：

听完这段录音，按三栏输出：

1. 已经达成共识的事项

2. 还需要拍板的问题

3. 每个问题上各方的理由

标出说话人，听得出的情绪也写上。

它交出来的东西比我要的还多：

1. 共识：比如两人都承认“科学喂养本身有价值”，还标了说话人 1 的语气是“承认、让步”

2.待拍板：拆出 3 个没吵出结论的问题，每个都标了紧迫度 ：各方理由：每个问题下，两人的立场、情绪、原话引用分开列，说话人 2 引用的品牌数据也抓住了 ： 我没要，它自己加了一张“情绪弧线”：说话人 1 从开场的嘲讽一路到后段的激昂，说话人 2 从冷静辩护到沉稳收束

3.最后这张情绪弧线，是“先转文字再总结”的路子给不出来的。文字稿里没有语气。

四、你也可以直接用

不想折腾的，网页就能试：

1.打开 https://ling.tbox.cn ，进入 Ling Studio Chat，模型选 Ming-3.0-audio-flash，直接上传录音 2. 想接进自己的工作流：Ling Studio 提供 tts-0.5B、audio-flash、asr-tiny 三个模型的 API → 想本地部署：五个模型都在 Hugging Face 和魔搭开源，搜 inclusionAI/Ming-3.0 →

官方给的成绩也放这里，供参考：audio-flash 在音频理解评测 MMAU 上 82.00、语音推理 BigBenchAudio 上 99.40；asr-tiny 在领域热词、方言、中英文四类识别评测里平均错误率 4.41%。

五、同一套思路，还能省掉两份订阅

录音豆的账算明白之后，我发现很多 AI 硬件和工具都是一个路子：硬件或软件本身不贵，贵的是背后那份“听懂你说话”的订阅。Ming 这几类模型拆开用，还能接两个地方：

1. 50 块的 ESP32 小智，换成自己的声音和耳朵

小智是 GitHub 上约 3 万 Star 的开源 AI 语音项目，一块 ESP32-S3 开发板就能做成会聊天的桌面小助手，服务端可以自己搭。语音进来交给识别模型，回答交给合成模型念出来，正好是 asr-tiny 加 tts 的组合。

2. 不想给 AI 语音输入法交月费

Typeless、闪电说、豆包输入法今年都很火，最常见的抱怨是人名、术语老识别错。asr-tiny 识别时能塞一份热词表，把同事名字、项目代号先告诉它，这正是它的长项。

这两个都要走 API，我还没跑完，跑出来单独写一篇。

六、几句实话

录音豆有它值钱的地方：10 克夹在领口没感觉，续航够一整天，录完自动进飞书知识库，还能对着历史会议提问。天天开会、公司用飞书的人，899 加会员是省心的选择。

我这套的缺点也很明显：

1.要自己把录音传上去，没有录完自动出纪要那么顺

2.“共识”那一栏偏宽：有几条只是一方说了、另一方没反驳，它也算成了共识。真拿来开会，这一栏要人工再过一遍

3. 网页版只有 audio-flash，想用 asr-tiny 加热词、用 tts 把纪要念出来，得走 API

4. 会议录音涉及同事和公司信息，传到任何云端模型之前，先确认公司允不允

当然如果你一个月只有几场会，不想为了纪要多交一份订阅，这套够用了。

---

录音豆负责“听见”，真正贵的那部分“听懂”，现在已经开源了。