不靠機器人，靠物理：我做了一個會議錄音工具 MyParrot，然後把它開源了
會議錄音這件事，大叔卡關了很久。 我每天用 Zoom 跟 Meet 做職涯諮詢、跟人選面談。一場聊完，我常常想回頭看逐字稿，確認幾個細節、整理我要給對方的建議。聽起來很簡單的需求，市面上的工具卻總有一個地方讓我不舒服。 兩條路，兩個我不想接受的代價 坊間的會議錄音工具，大致兩種做法。 第一種，派一個機器人加入你的會議。它幫你錄、幫你轉逐字稿，很方便。但對我來說有個致命傷：客戶打開會議室，看到通話裡多了一個陌生帳號叫「某某 Notetaker」，觀感先扣一分。你在跟人談職涯、談他最私密的焦慮，旁邊卻坐了一台不知道是誰的錄音機。更別說有些平台根本直接擋機器人加入，你連用都用不了。 第二種，不派機器人，直接錄整場的聲音。問題是，所有人的聲音混成一軌之後，「這句話是誰說的」全靠語音辨識自己猜。猜對還好，猜錯的地方，一整段話就歸錯人。我事後回看，得先花力氣分辨哪句是我、哪句是對方，效率大打折扣。 一個傷觀感，一個傷準確度。兩個我都不想要。 不能靠機器人，那能不能靠物理？ 卡了一陣子，有天我忽然想通一件事。 對方的聲音，是從我電腦的系統音訊出來的。我自己的聲音，是從麥克風進去的。這兩路訊號，本來就是分開的。 那我為什麼要等它們混成一軌、再花力氣猜是誰在講話？我直接把它們各自收進一軌不就好了。對方一軌、我一軌，天生就分好，不用機器人、不用辨識模型去猜講者。講者分離這個最麻煩的問題，用一個物理事實就繞過去了。 想通這件事之後，我把這個念頭丟給 Claude Code，讓 Fable 5 幫我跑。半天時間，一個能用的雛形就出來了。我叫它 MyParrot。 這一輪，順手又補了兩件事 工具能用之後，我自己天天拿它錄，用著用著就發現還有些地方可以更好。 第一件，我接了一顆在本地跑的 Whisper 語音辨識引擎。我講話中英夾雜是常態，蘋果原生的辨識常常卡在這裡，Whisper 明顯準不少。重點是，它整顆跑在你自己的電腦上，不連雲端。 第二件，是一個連我自己都沒想到要交代的邊界情況。錄音錄到一半，如果藍牙耳機這時候才連上，系統會把預設輸出裝置切走。原本的做法，會讓對方那一軌整段真的錄成空白，而且完全不會跳任何警告。你以為錄好了，回去一聽，對方的聲音不見了。這種坑，踩過一次就知道有多痛。這輪我補上了自動偵測加重建，裝置切走了它自己接回來，不用你手動重開錄音。 下載連結在這裡： 🔗 http...
