Google AI Edge Foresight 离线记会议：740M 模型免订阅，却难掩 24% 错字率

会议记录赛道正在经历一场清算。过去两年，只要给开源语音识别套个桌面外壳，再把突兀的会议机器人藏起来，软件商就能心安理得地向每个工位每月收取十几到三十美元的订阅费。多数人以为屏幕上没有机器人就叫隐私，直到 Google 拿出了一款完全不连网的工具。

2026年10月，Google 面向 macOS 推出实验性会议笔记工具 Google AI Edge Foresight。它运行在 Apple Silicon 芯片上，不收订阅费，断网状态下照样能抓取系统声音并生成结构化纪要。这把尺子插进市场，立刻量出了云端会议 SaaS 的虚胖，但也同时测出了端侧大模型的真实底色：免费的算力并不存在，它只是把云端机房的电费，原封不动地转嫁成了你电脑机身的滚烫。

撕破免 Bot 的伪隐私：双通道直捕与高价租税

许多人把免 Bot 录音与本地安全画上等号，这是软件厂商刻意维持的信息差。

无论是 Granola、被 Superhuman 收购的 Fathom，还是语音输入工具 Wispr Flow，它们在界面上虽然隐去了机器人头像，背后的音频流与文本依然被推送到中心化机房。Granola 依赖 AWS 以及 Deepgram、Assembly 等外部接口，商业版每月每人收 14 美元，企业版高达 35 美元，服务条款默认允许拿匿名数据训练模型。Wispr Flow 同样强制走云端通道，带会议记录功能的版本每月标价 23 至 33 美元。

其他协同软件的加价同样苛刻。Otter.ai 商业版每月需 30 美元；Notion AI 会议纪要要求绑在每月 20 美元起步的商业席位上，数据协议里列了一长串第三方处理商；Microsoft 365 Copilot 商业方案年付单价 18 美元，Zoom Workplace Pro 每月也要 15.99 美元。

Foresight 绕开了这种中转链条。它接管了麦克风与系统音频两个独立通道，无论你用 Zoom、Teams 还是 Google Meet，它都能在系统底层同步捕获双方对话。

整套流程完全锁在本地内存。对于律师、财务顾问或医疗机构等受制于数据合规的行业，这种断网状态提供了云端服务给不了的物理确定性。

740M 模型跑通端侧检索与扩写

在断网状态下记录会议，核心在于把轻量模型压缩进 Mac 本地。

Foresight 在底层部署了两个协同工作的端侧模型。负责索引的是参数量仅 740M 的端侧多模态嵌入模型 EmbeddingGemma 2，拥有 8,192 token 的上下文窗口。它在多语言 MTEB 测试中达到 61.36，代码检索为 78.68，音频检索为 69.54。

负责理解与生成的是本地 Gemma 4 模型。用户在开会时随手写下零碎的缩写或便签，模型会对照完整录音转录，当场把草稿扩写成条理清晰的正式纪要。

软件右侧界面集成了本地知识库。用户可以直接拖入 PDF、Office 文档或 Markdown 笔记。当讨论触及历史方案的特定条款时，本地模型不需要调用外网检索，直接在机身内部完成匹配与应答。

它不再是一个简单的语音听写机，而是一个跑在笔记本芯片上的离线多模态问答系统。

算力账单的转移：40% CPU 占用与 24% 错字率

但端侧推理不是凭空掉下来的馅饼。

古人讲甘瓜苦蒂，天下物无全美。Google 把云端订阅费砍到了零，代价全落在了用户的硬件上。

Google 官方将 Foresight 归类为实验软件，技术文档里对内存门槛、时长上限与支持语言都保持模糊。参考 Google 同期在 Mac 上线的离线听写工具 Eloquent，搭载 M4 Pro 芯片的高配设备在跑端侧模型时，CPU 占用率经常冲破 40%，伴随着风扇狂转与电量狂泻。

声学表现的短板更加直接。在第三方开发者的基准实测中，这类端侧轻量模型跑出了高达 24% 的字错率。一旦进入长录音，结尾词丢失、处理卡死或长文本截断屡见不鲜。为了压缩上下文，小模型还会擅自删减细节或过度重写。更关键的是，Foresight 至今拿不出严谨的说话人分离数据，多人争执抢话的复杂会议，小模型依然很容易丢盔弃甲。

大型企业同样不会轻易换掉云端方案。Otter 和 Teams 收费不菲，但它们提供了多人声纹切分、合规归档以及统一的审计日志。一个断网运行在员工个人电脑里的工具，虽防住了外泄，却也脱离了企业的合规归档网络。

动辄数十美元的会议 SaaS 确实在兜售算力中间商的溢价，而 Foresight 证明了端侧芯片能干掉最基础的转录收费。但如果你的会议记录关乎法律责任认定或长达数小时的多人博弈，在发热降频与 24% 错字率被抹平之前，高价云端服务手里的护城河，暂时还垮不掉。