Notta

定义

Notta是一款基于人工智能的语音转文字工具，属于软件即服务(SaaS)类效率产品。它的基本作用是把音频或视频中的语音内容转换为文本，并在此基础上生成摘要、翻译和待办事项等结构化信息。产品覆盖网页端、桌面端与移动端，用户可以用同一账号在不同设备之间同步录音与文本记录^[1]。

从定位上看，Notta主要面向会议记录、媒体采访、课堂笔记等需要把口述内容留存的场景，同时提供企业与个人两类订阅方案^[2]。其研发主体为思维巡航(Mind Cruiser)，服务早期以日本市场为主要增长区域^[3]。

原理

Notta的运行依赖语音识别与自然语言处理两类技术的衔接。系统先对输入音频做分帧和特征提取，由语音识别引擎把声学信号映射为文字，再借助语言模型对结果做标点、分段与纠错处理^[4]。在生成式功能上，产品通过调用大语言模型对转写文本进行要点提炼和摘要生成。

在云端架构方面，Notta依托亚马逊云科技的算力实例运行自研模型，并通过数据中心的区域化部署处理不同地区的合规要求^[5]。其数据存储依赖云对象存储与加密传输，官方称全站采用传输层加密。

针对在线会议场景，产品采用了机器人参与的录制方式，即由程序以参会者身份加入会议，采集音轨并完成转写；桌面端则提供了不依赖机器人的方案，直接在本机同时捕获麦克风音频与系统音频^[6]。

flowchart LR

A[麦克风或系统音频] --> B[音频预处理与分帧]

B --> C[语音识别引擎]

C --> D[文本后处理与标点]

D --> E[大语言模型摘要/翻译]

E --> F[文本导出与共享]

发展历程

Notta由张岩创办，他此前曾参与摩拜单车的创立，并在百度、滴滴等企业任职^[7]。2018年前后，其团队从事翻译设备业务，在经营中注意到日本市场对语音转录产品的需求，随后转向软件方向。2019年，Notta在日本开始运营^[7]。

2020年7月，日本朝日新闻电视对该产品进行了报道，带来明显的用户增长^[7]。2022年，Notta获得由高瓴创投领投的1000万美元融资；2023年春季，其在日本的累计用户达到100万人。

在安全合规方面，官方信息显示其SOC 2 Type II保证报告于2023年2月取得，ISO/IEC 27001认证于2023年9月取得^[8]。2025年5月至6月，团队发布卡片型录音设备Notta Memo，开始从纯软件向软硬件结合延伸^[9]。同年，该产品宣布完成新一轮融资，并继续扩充企业级功能^[10]。

应用

在会议场景中，Notta可接入Zoom、Google Meet、Microsoft Teams、WebEx等常见远程会议平台，由程序自动参会并录制、转写，会后输出会议摘要与决议要点^[11]。对于面对面交流，用户可使用实时转写功能当场生成文本，并进行翻译。

在内容处理场景中，产品支持导入多种音视频格式，包括WAV、MP3、M4A、MP4、MOV等，也支持粘贴视频链接直接转写，输出格式涵盖TXT、DOCX、PDF、SRT、XLSX等^[4]。转写结果可翻译为数十种语言，并支持在文本中检索关键词、添加标签与时间戳^[1]。

在行业使用上，媒体从业者用于采访整理，学生用于讲座与课堂记录，销售与咨询人员用于商谈留档，听障人士则借助实时字幕功能参与会议和教学^[12]。

局限

转写准确率受音频质量与网络环境制约。官方给出的98.86%准确率是在安静环境下测得的结果，嘈杂环境、口音差异或多人同时发言时识别效果会下降^[4]。实时翻译与双语转写等功能也仅面向企业版用户开放，并非所有方案都可用。

免费方案在时长和功能上存在限制，例如单次实时转写与会议自动转录有较短的时间上限，付费方案则按每月转写分钟数分级。此外，受浏览器策略限制，针对部分视频平台的音频采集功能受到约束。

在合规层面，录音行为涉及不同国家和地区的法律要求，部分司法辖区需要取得对话各方同意，工具本身并不代为核实授权情况^[6]。云端转写意味着音频需要上传至服务器处理，对网络连接存在依赖^[13]。

参见

• 语音识别 —— Notta完成转写的底层技术，负责把声学信号转换为文字。

• 大语言模型 —— 支撑Notta摘要与问答等生成式功能的模型基础。

• 机器学习 —— 语音识别与文本后处理所依赖的方法体系。

• 会议纪要 —— Notta面向的主要应用产物之一。

• 字幕 —— Notta可导出的SRT等字幕格式文本。