实时会议识别

实时模式可用于会议、讲座、网络直播或视频通话等场景。它不仅能同步记录文字，还能叠加 AI 翻译、纠错等处理，让您在会议进行中就获得高质量的文字记录。

最后更新：2026-04-21 · 文档语言：简体中文

1. 音频输入源

根据您的应用场景，Owl Meeting 提供了三种灵活的方案：

• 麦克风：采集您通过输入设备（如耳机麦克风、笔记本内置麦克）说出的内容。适用于个人笔记、演讲或面对面会议。
• 系统声音：直接采集电脑内部发出的声音——正在播放的视频、浏览器中的播客或在线报告等。
• 双路模式：同时采集麦克风（您说的话）和系统音频（对方说的话）。使用 腾讯会议、Zoom、飞书 等远程会议工具时推荐此模式。
音频输入源选择与侧边栏配置

2. 识别预处理

在声音送入识别引擎之前，您可以开启以下选项来优化质量：

• 降噪增强：开启后系统会滤除环境背景噪音，可改善丢失句首或句尾字眼的情况。
• 音频混合：在开启降噪后可用。它能合并背景音轨，在特定嘈杂环境下有助于提高识别准确率。混合比例需要根据实际场景从低到高自行测试。

3. 三种交互模式：适配您的工作流

除了在软件主界面查看文字，您还可以选择更高效的展现方式：

• 低延迟模式： 开启后，还没说完一句话，屏幕上就会显示灰色的预测文字，实时跟随您的语音滚动。
  - 提示：可在设置中调整"刷新间隔"和"上下文窗口"来平衡延迟与 CPU 占用。
• 字幕模式： 桌面弹出一个半透明的悬浮字幕窗，可自由拖动位置。
  - 场景：把它拖到视频窗口下方，像看电影一样阅读会议或直播内容。支持同时显示原文和 AI 处理结果。
  字幕悬浮窗效果
• 语音输入助手： 将 Owl Meeting 变成一个语音输入工具，识别结果会自动输入到当前光标位置。
  - 进阶用法：可设置唤醒词（如"语音助手"），30 秒不说话自动休眠，说出唤醒词即可唤醒。还可配合 AI 任务，设置指令词触发 AI 处理后再输入结果。

4. 专属设置与微调

如果在使用中遇到不顺手的地方，通常可以通过以下参数解决：

场景	调节建议
我明明说话了，但是识别结果中会丢句首或句尾。	降低[语音判定阈值]。调低它可以让软件变灵敏。
每次识别都识别出一大段话，输出结果太慢，读起来费劲。	降低[最小静音时间]，让模型更快地分段。
有些很短的句子（比如："好的"、"嗯嗯"），识别不出来。	降低[最小语音时间]。
字幕一次蹦出来一长串，读不过来；或低延迟模式反应越来越慢。	降低[最大语音时长]。通过限制单次处理的时长，尽快输出结果。使用模型2或模型4时适当调低此值，可显著提升响应速度。

5. 常见问题与技巧

• Q: 我想让识别结果直接显示繁体中文？
  A: 在"设置 → 在线"中将"简繁转换"切换为对应的繁体选项即可。
• Q: 启动大模型时提示"请先点击上方蓝色按钮"？
  A: 实时 AI 任务（如翻译、纠错）需要先在侧边栏启动 AI 引擎，请根据提示完成启动。
• Q: 识别过程中 CPU 占用太高？
  A: 如果开启了低延迟模式，可以增大"刷新间隔"（如调至 0.8s）来降低负载。也可以关闭低延迟模式，改用普通模式。
• Q: 录音保存在哪里？
  A: 默认保存在 Music\owl_meeting\audio 目录下，可在"设置 → 通用"中自定义路径。详见数据存储文档。