Sorinai：会议中实时填表的AI笔记工具，告别事后整理

会议记录的新范式：从事后整理到实时协作

在远程办公与视频会议成为常态的今天，会议记录工具早已不是新鲜事物。但绝大多数产品的逻辑仍停留在"先录音、后转写、再整理"的线性流程上——你需要在会议结束后花大量时间回听、编辑、归纳，才能得到一份可用的纪要。近期登上 Product Hunt 的新工具 Sorinai 试图打破这一惯性，它的核心卖点是：在会议进行的同时，AI 就已经把你的笔记模板填好了。

传统会议记录工具的技术栈通常包含三个独立模块：ASR（自动语音识别）引擎负责将音频转为文字，NLP（自然语言处理）模块负责断句、标点和说话人分离（Speaker Diarization），最后由摘要算法生成结构化纪要。这种流水线式架构天然存在延迟——每个模块都需要完整的上下文才能达到最优输出。Sorinai 试图将这三个阶段压缩为近乎同步的单一流程，这在工程上意味着必须使用流式推理（Streaming Inference），即模型在接收到部分输入时就开始产出结果，类似于大语言模型的逐 token 生成机制。

据 Product Hunt 页面显示，Sorinai 目前获得 87 票、位列当日榜单第 20 名，被归类为 Productivity（生产力）、Notes（笔记）与 Meetings（会议）三个方向。虽然票数不算爆款，但其产品思路值得关注。

Sorinai 核心功能拆解

导入自有模板，而非被迫使用预设格式

Sorinai 最有辨识度的设计，是允许用户直接导入自己已经在用的模板——无论是 Word 文档、PDF 还是纯文本。工具会读取模板的结构，理解其中的字段（fields），然后在通话过程中自动从对话内容里提取信息、逐一填充。

这一点解决了很多 AI 会议笔记工具的痛点：它们往往强制用户接受平台预设的纪要格式，而现实中每家公司、每个团队都有自己沉淀多年的会议模板（比如销售拜访表、需求评审单、一对一沟通记录等）。Sorinai 的做法是"迁就你的工作流"，而不是让你迁就它。

从技术角度看，这种"边听边填"功能属于实时信息抽取（Real-time Information Extraction）范畴。模型需要具备两项核心能力：一是对模板字段的语义理解——模型需要知道"客户预算"这个字段应该从对话中哪类表述中提取；二是流式上下文管理——随着对话推进，早期提取的信息可能需要被后续内容修正（比如客户先说预算50万，后来改口说100万）。这类任务在学术上被称为增量式槽填充（Incremental Slot Filling），是对话系统研究中的经典难题。大语言模型的出现让这一任务的泛化能力大幅提升，但实时场景下的推理延迟和 Token 消耗仍是工程瓶颈。

不派机器人进会议，直接抓取系统音频

另一个技术细节是它的音频捕获方式。市面上不少会议助手（如各类 Meeting Bot）需要以"参会者"身份加入会议，屏幕上会多出一个头像，既尴尬又涉及隐私顾虑。

Sorinai 明确表示 "No bot joins your meeting"——它捕获的是电脑本机的系统音频。这意味着它不局限于某个特定的视频会议平台：Zoom、Teams、Google Meet 等视频通话，电话通话，甚至线下面对面的会议，只要声音能被电脑麦克风或系统音频捕捉到，都可以工作。这种"平台无关"的设计大幅拓宽了实时会议记录的适用场景。

系统音频捕获（System Audio Capture）是指应用程序直接拦截操作系统音频输出流的技术。在 macOS 上，苹果从 macOS 12 Monterey 起提供了 ScreenCaptureKit 框架，允许应用在用户授权后捕获特定应用或整个系统的音频输出，无需虚拟音频设备。在 Windows 上，WASAPI（Windows Audio Session API）的 Loopback 模式可实现类似功能。相比之下，传统的 Meeting Bot 方案（如 Recall.ai、Fireflies 等采用的方式）需要通过会议平台的 API 或以虚拟参会者身份加入，这不仅产生额外的 API 调用成本，还会在参会者列表中暴露机器人的存在。不过，系统音频捕获方案也有其局限：它只能录到本机播放的声音，无法获取会议平台提供的独立音轨或说话人元数据，这对后续的说话人分离精度会带来挑战。

会议中实时向AI提问：下一句该说什么？

最能体现"交互式（Interactive）"定位的功能，是 Sorinai 支持在通话进行中直接向 AI 提问。产品描述中给出的例子是：你可以问它"接下来该说什么"（what to say next）。

Sorinai 不只是被动的会议记录者，更像一个实时的会议副驾。它一边听、一边记、一边还能基于上下文给你提示。对于销售、客户成功、面试官等需要在对话中即时反应的角色，这种实时辅助能力可能比事后的完美纪要更有价值。

单场查询与跨会议知识库检索

在数据层面，Sorinai 支持针对单场会议提问，也支持一次性查询所有历史会议。这实际上把会议记录从"孤立的文档"升级为"可检索的知识库"。当你积累了几十上百场会议后，能够横向追问"这几个客户都提到过哪些共同顾虑"这类问题，价值会随数据量增长而放大。

Sorinai 的差异化定位与商业策略

Sorinai 目前支持 Mac 和 Windows 双平台，并打出了 "Unlimited notes, free"（无限笔记，免费） 的旗号。在会议 AI 赛道普遍采用订阅制、按分钟数或会议场次收费的背景下，免费无限量的策略显然是为了快速获取早期用户、积累使用数据。

从赛道竞争格局来看，AI 会议助手领域在 2023-2024 年经历了爆发式增长。头部玩家包括：Otter.ai（主打转写+摘要，月活超百万）、Fireflies.ai（强调 CRM 集成和会议搜索）、Fathom（以免费策略快速增长，2024年获 HubSpot 注资）、Granola（苹果生态内的极简会议笔记）以及微软 Copilot 内置的 Teams 会议摘要功能。这些产品大多遵循"录制→转写→摘要"的事后处理范式。Sorinai 的实时交互定位更接近于"会议中的 AI Copilot"概念，赛道的核心竞争壁垒正从"转写准确率"转向"工作流集成深度"和"实时智能程度"。

从产品哲学上看，Sorinai 走的是一条清晰的差异化路线：

• 不做另一个转写工具，而是做"实时填表 + 实时问答"的交互式会议助手；
• 不绑定平台，通过系统音频实现全场景覆盖；
• 不强推格式，尊重用户既有的模板资产。

使用 Sorinai 前值得考虑的几个问题

作为一款早期产品，Sorinai 的理念很清晰，但仍有若干现实问题需要验证：

实时性与准确性的平衡。 边听边填字段，对语音识别和信息抽取的实时能力要求极高。一旦在会议中填错关键信息，用户在事后仍需大量核对，反而增加负担。

隐私与合规风险。 捕获系统音频虽然规避了"机器人参会"的尴尬，但录制通话内容在不同司法辖区涉及不同的合规要求，尤其是电话与线下会议。通话录制的合规性在全球各地差异显著：美国采用"一方同意"（One-Party Consent）和"全方同意"（All-Party Consent）两种标准，其中加利福尼亚、伊利诺伊等 12 个州要求所有参与方同意才能合法录制；欧盟 GDPR 框架下，录制通话属于处理个人数据，需要有合法基础（通常是明确同意或合法利益）；中国《个人信息保护法》同样要求在收集个人信息前告知并取得同意。特别值得注意的是，当工具捕获系统音频时，对方参会者可能完全不知道对话正在被录制和 AI 处理，这比 Meeting Bot 方案（至少会在参会者列表中可见）带来更大的合规灰色地带。产品能否给出清晰的授权与告知机制，会影响其在企业市场的接受度。

免费模式的可持续性。 无限免费适合冷启动，但 AI 推理成本不菲。以当前市场价格估算，Whisper 级别的 ASR 处理约为每分钟 0.006 美元，而 GPT-4 级别的模型对一场 60 分钟会议的转写文本进行摘要和信息抽取，Token 消耗约为 3-5 万（输入）+ 2000-5000（输出），成本约 0.5-1.5 美元。如果是实时流式处理且支持中途问答，成本可能翻倍。这意味着一个活跃用户每月开 10-20 场会议，仅 AI 推理成本就可能达到 15-40 美元。在"无限免费"承诺下，Sorinai 的早期烧钱速度会与用户活跃度高度相关。常见的后续变现路径包括：高级模板功能收费、团队协作版订阅、CRM/项目管理工具集成的企业版，或者对历史知识库的高级检索功能收费。后续如何在保留免费诱惑的同时找到可持续的收入模型，是团队必须回答的问题。

总结：Sorinai 让AI从会议旁观者变成参与者

Sorinai 代表了 AI 会议笔记工具的一个进化方向：从"事后整理"走向"实时协作"。它用三个巧妙的设计——导入自有模板、系统音频捕获、会议中实时问答——把 AI 从会议的旁观者变成了参与者。对于每天泡在会议里的知识工作者而言，这种"AI 陪你一起做笔记"的体验，或许比一份完美的事后纪要更接近真实需求。当然，产品尚处早期，其在准确性、隐私合规、商业化方面的实际表现，仍有待市场检验。