鉴川智库网

AI辅助工作流已普及，尤其在自动化重复任务、整理数据及记忆辅助方面表现突出。这也解释了为何Otter等AI笔记工具在Teams和Google Meet会议中备受青睐。然而，对于涉及敏感信息且不愿交由第三方服务器处理的场景，Otter并非最佳选择。为此，我测试了三款开源替代方案，其中一款能实现完全本地化处理。

测试环境：单一语音源确保零歧义

为确保公平对比，我在PC上同时运行Meetily、Anarlog和OpenWhispr，并与Otter并行录制同一场Google Meet通话。会议内容为虚构项目负责人Sarah的三分钟脚本简报，由MacBook Air内置TTS功能朗读。采用单一说话者是为了避免Otter区分参会者声音时产生偏差。

脚本中埋设了15个陷阱，涵盖人名、GPU型号、价格、日期及特定截止日期。评估重点包括：是否捕捉到两项决定及三个行动项（含负责人和截止日期），以及是否存在关于未决显示器升级的“幻觉”或错误转录“无需复制文件”等指令。

OpenWhispr：转录最整洁，但细节存疑

OpenWhispr是一款基于MIT许可证的听写应用，支持设备端模型。测试中我使用了其云服务版（免费计划每月5小时），因其无需下载且便捷。

其转录文本在三款工具中最为整洁，得分10/15，仅比Otter低1分。它是唯一正确识别“offline”一词的工具，其他工具误听为“applying”或“lying”。但也存在明显错误，如将GPU误记为“RTX 5070T”，Windows版本误记为“Windows 1126H2”。更严重的是，它将“新的5070 Ti价格”替换为“新的MSRP价格”，改变了原意。不过，其摘要准确捕捉了所有决定和行动项，且无幻觉。

Meetily：完全本地化，转录稍逊但摘要可靠

Meetily社区版同样采用MIT许可证，核心优势在于所有操作均在本地完成。它使用Nvidia Parakeet TDT 0.6B v3 (int8)进行转录，Qwen3.5 4B (Q4_K_M量化)生成摘要，模型均存储于本地硬盘。

尽管拥有强大的本地AI堆栈，其转录表现却最差，得分8/15。主要问题在于命名错误，如将RTX 4070 Ti Super误记为“470T Super”。虽然摘要复述了这些错误，但它准确捕捉了两项决定及所有行动项，与Otter持平。唯一失误是将未决的显示器升级归类为“关键决定”，但随后进行了纠正。

Anarlog：优先本地化，但Windows端体验受限

Anarlog（前身为Hyprnote）主打“优先本地化”，但在Windows 11上仍处于测试阶段。其内置设备端转录仅支持Apple Silicon。在Windows上登录后，音频被发送至Anarlog云端（路由至Soniox），摘要由Claude Sonnet生成。7天Pro试用后，月费为14美元，低于Otter.ai的16.99美元。

Anarlog在产品名称识别上表现最佳，正确识别了“RTX 5070 Ti”和“Windows 11 26H2”。但其转录遗漏了大量单词，且完全漏掉了一位参会者的截止日期，最终得分9/15。摘要捕捉到了两项决定和两个行动项，未编造缺失日期，而是承认转录混乱。

结论：Otter仍是标杆，但隐私需求下有优选

测试表明，Otter之所以成为默认选择，得益于其综合稳定性。但若因保密或法律原因需确保数据不触及云端，Meetily是开箱即用的可靠选择。若愿意部署强大的设备端模型，OpenWhispr则是紧随其后的优质备选。