“在你的 Mac 上运行”解决了其中一个疑问。还有三个疑问仍未解决。

如今，几乎每个语音输入应用的首页都会提到某种形式的“在设备上处理”或“本地运行”，人们似乎因此就认为这个问题已经解决了。但实际上，它只解决了其中一部分。你的声音究竟发生了什么，不是一个疑问，而是至少四个问题。而供应商可以诚实地回答第一个问题，但其他三个问题可能未被回答，或者隐藏在没人发现的设置选项中，或者被一种与“本地”含义相反的商业模式所回答。

一个隐私声明必须回答的四个问题

1. 语音实际上是如何转为文本的 —— 是在你的设备上，还是在某个服务器上。
2. 在正常使用过程中，这个应用是否需要网络连接 —— 即使它的核心功能是本地处理。
3. 音频和转写文本之后会发生什么 —— 存储在哪里、何时删除，或者是否被发送到其他地方。
4. 这些内容是否被用于训练或改进模型 —— 是专门针对你，还是用于该供应商的其他所有客户。

只回答第一个问题的页面，实际上对其他三个问题毫无说明。“在设备上运行的语音识别”到底意味着什么 详细解答了第一个问题；而本文的重点是，供应商通常让第一个问题的答案代表所有四个问题，而读者也通常默认如此。

为什么“本地”本身并不能作为判断标准

苹果的语音输入功能是“本地”需要重新审视而非简单认可的最清晰例子。你的 Mac 是在设备上处理你说的话，还是发送到服务器上，这取决于硬件和键盘偏好设置中的一个选项 —— 这是关于你设备的事实，而不是营销页面上的承诺。根据苹果今天发布的隐私文档，苹果所保证的内容比“本地”更具体和狭窄：“你通过语音输入的内容会被发送到并处理于服务器上，但除非你选择‘改进 Siri 和语音输入’，否则不会被存储”，而这个选项默认是关闭的，除非你自己开启。这是关于第三个问题 —— 数据保留 —— 的一个真实、可验证的承诺，但对第一个问题 —— 处理位置 —— 完全没有说明，因为对于语音输入功能来说，处理路径并不是固定的。

这并不是对苹果措辞的批评。这正是为什么读者不能仅凭一句关于语音输入应用的真话就假设它回答了该句子从未提及的问题。供应商可以完全诚实地说出关于数据保留的情况，却对处理位置保持沉默，或者反过来，而最终的页面无论哪种情况看起来都让人安心，只要你没有问它到底回答了哪一个问题。

一种穿透文字的测试：关闭网络

有一种测试可以同时回答问题一和问题二，而且它不需要信任任何人的副本：完全关闭 Wi-Fi —— 是无线电，而不是“后台应用刷新”—— 然后通过一个普通的正常会话进行语音输入。一封邮件，一个回复，一段你通常只会说出来的长段落。如果一切运作方式与有网络连接时完全相同，那么在该会话期间，你的声音从没有机会离开这台机器。如果出现了问题 —— 比如第一次运行需要获取资源，或者在网络恢复后，某种模式安静地回退到云模型，或者一个许可证检查阻止了快捷键 —— 你就找到了主页未说明的边界。

Wispr Flow 是一个诚实的对比案例，而且它不是一个隐藏的案例：它的定价页面，今天检查后，列出了 Mac、Windows、iOS 和 Android，都属于同一个账户，其免费层级明确地限制为每周固定数量的字数 —— 一个服务器必须监控你的使用情况才能执行的限制。对它进行关闭网络测试会立即失败，这是设计如此，因为那里的语音输入是向服务器发出请求，而不是你的 Mac 独自完成的计算。这并不是对产品的批评 —— 正是这一点支持了上百种语言和一个随设备同步的词汇表，这是完全本地应用无法以相同方式支持的真实能力。完整的比较 说明了这种权衡在哪些方面对特定读者有帮助，又在哪些方面没有帮助。

同一页面还声明“随时可以退出模型训练”，在所有付费层级中。直白地说，“退出”框架意味着默认是开启的，直到你采取行动 —— 这是一种与苹果“启用”、“默认关闭”的模式不同的承诺，尽管两者都使用了“opt”这个词。七家供应商，各自的话语，关于训练问题 是进行这种具体比较的正确位置，而不是在这里重复。

本地化并不承诺的，即使它确实是真实的

本地处理回答了问题一，并在自身范围内停止。它并不自动回答问题三或问题四 —— 一个应用原则上可以在本地完全转录，但之后仍可能出于其他原因上传结果文本：同步、备份，或者默认开启的支持诊断功能。本地处理是网络关闭测试通过的必要条件；它本身并不足以证明它会。两者都需要检查，而特别检查数据保留 —— 一个历史记录条目实际上存储了什么，以及存储了多长时间 —— 是另一个问题，这在你的语音录音会发生什么 中进行了详细说明。

该应用在四个问题上的位置

Coii VoiceInput 完全没有服务器支持，这使得四个问题中的三个异常简单，而不是仅仅令人安心。

处理发生在 Mac 上，始终如此 —— 没有任何层级或模式会将语音识别路由到云模型，因为没有云模型可供路由。网络依赖仅限于两个与语音输入行为无关的时刻：模型权重在首次运行时从公共模型主机获取一次，之后唯一的网络活动是许可证激活和启动时的时钟检查。两者都不会在你进行语音输入时发生，也不需要在该时刻存在的网络连接 —— 只需要在该时刻之前存在过一次。数据保留是本地的：音频和转写文本存储在你的历史记录中，保存在你的硬盘上，直到你删除它们。训练一开始就没有传输的通道 —— 因为没有任何数据被发送到任何地方，因此不存在“基于你的声音训练”的任何版本。

真正的交易，而非夸大其词

完全本地化需要付出实际成本，而支持这一理念的页面应该明确说明这一点，而不是让架构看起来像是明显更好。这就是为什么这里的自定义词库不会像云端词汇库那样学习——你必须手动输入词条，且只能在本设备上使用，它们不会自动同步到另一台 Mac 上。这也是为什么这款产品没有内置的会议记录功能：这类功能本质上需要服务器支持。拥有基础设施的供应商可以提供纯粹本地应用无法实现的真正功能，而假装它们可以做到，就和本页面所反对的那些半真半假的说法一样。

为什么对某些读者来说，这不再只是抽象概念

对于大多数语音输入场景——比如写购物清单、发日历邀请、回复同事——这四个问题之间的差异并不重要。对其中任何一个问题的合理回答都无伤大雅。但一旦你输入的内容涉及客户隐私、患者信息、未发布的产品计划，或任何受政策约束的内容，要求设备不得连接你无法控制的网络，那么“除非你主动选择，否则不会存储”和“从未发送”就不再是同一项保证的两种说法——它们代表了两种不同的风险等级，只有其中一种能通过 IT 问卷的审查，该问卷会询问数据是否可以离开设备。一台锁定的笔记本电脑、一个 SCIF（安全保密设施）或在飞行途中关闭网络连接的飞机，不是营销页面幻想出来的边缘案例；它们是某些真实用户的日常使用环境，对于他们来说，上述网络关闭测试不是什么好奇之事，而是真正的接受标准。

值得带到这场讨论中的清单

如果你是负责在这样的环境中使用工具的人，上述四个问题会变成四个具体的检查点，而不是需要你盲目信任的内容：

正常运行是否需要出站连接？ 不是“是否可以在特殊模式下离线运行”——而是：今天在你实际的设备上输入一句话，是否会让系统打开一个网络连接。网络关闭测试可以直接回答这个问题，而不需要阅读任何文档。

更新机制需要什么，何时运行？ 一个在其他方面对网络保持沉默的应用程序，仍可能在预定时间检查新版本。这与“语音输入是否发送到网络”是不同的问题，因此值得单独检查，因为“应用程序从未上传你的语音”和“应用程序从未连接互联网”也不是同一项承诺。

在完全没有网络连接的情况下首次运行会发生什么？ 一些真正本地化的应用程序仍然需要一次下载才能运行——例如模型或许可证检查——而评估用于网络隔离设备的工具的用户需要知道，这第一步是否可以在其他地方完成并同步，或者设备是否至少需要连接一次网络，不管怎样。

数据保留承诺是政策还是架构？ 一个声明的政策——“除非你主动选择，否则我们不会存储”——是供应商做出的承诺，原则上可以更改；而一个架构上完全不传输任何数据的系统则没有政策可以更改，因为服务器上没有可供未来政策重新解释的内容。两者都合理，但它们的保证强度不同，而这种区别通常是审计所寻找的实际答案。

在你已使用的任何应用上运行测试

这个测试不需要这个应用，也不需要任何特定的应用 —— 它可以在你 Mac 上当前安装的任何应用上运行。完全关闭 Wi-Fi，然后进行一次真实的语音输入会话，而不是一句测试句子：比如一条回复、一个笔记，或者一段足够长的段落，让备用方案有时间启动。如果它在离线状态下表现与在线时完全一致，你就无需信任厂商的营销页面或本文，就已独立验证了问题一和问题二。在无网络连接下语音输入 专门解释了这个应用的机制，以防测试是促使你尝试它的原因，而Wispr Flow 是否支持离线使用 则是为那些需要网络连接的应用提供的直接答案。

一句话版本

关于语音输入应用和你的声音，会提出四个独立的问题 —— 它在哪里处理、是否需要网络、处理后会发生什么，以及是否涉及训练 —— 而首页上的一句话很少能回答其中超过一个问题。关闭网络的测试是唯一一个不需要阅读任何条款即可获得真实答案的验证方式。试用三十天，从第一分钟起就关闭网络，然后看看你上面的论点中有多少是基于信任的。

关于固定的一次性购买价格对所有激励措施的影响的讨论 —— 为什么一个没有服务器的产品本来就没有动机想要你的数据 —— 可以在一次性购买与订阅中找到，而反对让应用悄悄修改你语音输入内容的论点则在不修改你语音输入内容的语音输入中。

相关阅读

• cancel-a-dictation-subscription-safely
• does-apple-dictation-work-offline