大多数使用语音听写的人从不去想自己的声音究竟去了哪里。营销话术告诉你软件是“私密的”或“安全的”，你大体上就信了。但对于医疗对话、财务写作和私人通信，这份信任值得更多审视。下面讲讲当你向不同产品听写时，究竟发生了什么。

云端与本地的区别

语音识别可以在两个根本不同的地方运行：互联网上某处的服务器（云端），或者你自己电脑的处理器（本地、on-device）。用户体验是相似的——你说话，文字出现——但隐私影响截然不同。

基于云端的听写 会把你的语音音频发送到服务器，识别在那里运行，再把生成的文字发回来。你的声音被上传到了第三方的基础设施上。那段音频是否被存储、记录、用于训练、与合作伙伴共享，还是被删除，完全取决于供应商的政策——而你通常没有读过那些政策。

本地/on-device 听写 使用下载好的模型，在你自己电脑的 CPU 上运行识别。你的语音音频永远不会离开设备。没有任何东西可供任何人记录、存储或训练，因为一开始就没有任何东西被上传。

2026 年哪些工具属于哪一类

本地（你的声音留在你的电脑上）：

  • CaringDictate —— 完全本地。Whisper Large v3 Turbo 在你的 CPU 上运行。永远不上传任何东西。 隐私政策见此。
  • Dragon Professional Individual v16 —— 本地。识别技术较老旧，但运行在你的电脑上。
  • 较新的 Mac 和 iPhone 上的 Apple Dictation —— 在带有 Apple 神经网络引擎的设备上为本地处理（2020 年及以后的 Mac、iPhone XS 或更新机型）。较旧的 Apple 设备会把音频发送到 Apple 服务器。
  • Windows 11 上的 Microsoft Voice Access —— 本地。
  • VoiceInk（Mac） —— 本地。

云端（你的声音被发往服务器）：

  • Dragon Anywhere —— 仅限云端。
  • Dragon Medical One —— 仅限云端。
  • Otter.ai —— 仅限云端。
  • Wispr Flow —— 基于云端（尽管其营销暗示并非如此；其识别运行在他们的服务器上）。
  • Google Docs Voice Typing —— 仅限云端。音频被发送给 Google。
  • Voiceitt —— 仅限云端。
  • 较旧的 Apple 设备 —— 云端，音频被发送到 Apple 服务器。

对于涉及 HIPAA 相关对话、敏感财务讨论、法律特权顾虑的用户，或者只是出于不想让第三方听到自己声音的个人偏好——云端这一类是绝对不能接受的。

“符合 HIPAA”通常意味着什么（以及不意味着什么）

许多云端听写服务都宣传自己“符合 HIPAA”。这听起来像是一种隐私保证。但大多数情况下并不是。

对云端供应商而言，符合 HIPAA 通常意味着该供应商已与受保实体（医院、诊所）签署了业务伙伴协议、实施了某些访问控制，并遵循某些审计要求。它 并不 意味着你的声音没有被上传到他们的服务器。它意味着他们按照 HIPAA 规则来处理那次上传——其中仍然包括存储这些数据、有员工能够访问它，以及（在许多情况下）将其用于改进服务。

对于一位希望自己的声音永远不离开电脑的个人患者或家属来说，正确的检验标准不是“它符合 HIPAA 吗？”，正确的检验标准是“它是本地的吗？”。如果答案是肯定的，那么隐私在技术上由架构保证，而非由政策保证。如果答案是否定的——即便那项云端服务符合 HIPAA——你的声音也已经被上传了。

即便在云端服务上，实际会被存储什么

对于云端听写服务，被存储的内容各不相同。常见的模式包括：

  • 音频录音 —— 为改进服务、调试或模型训练而保留。有些服务允许你选择退出；许多服务不允许。
  • 文字转录稿 —— 文本输出往往被无限期存储。大多数用户没有意识到，他们听写的一切内容的转录稿都存在于云端。
  • 元数据 —— 时间、设备信息、IP 地址。对分析有用，但它仍然是关于你使用情况的数据。
  • 声纹档案 —— 有些服务会随时间为更好的识别而建立你的嗓音档案。这是字面意义上的声纹，带有生物识别方面的含义。

本地听写工具不存在以上任何一项，因为没有任何东西被上传。

“AI 训练”问题

如今许多人对自己的声音或文字被用于训练 AI 模型，有理由感到警惕。云端听写服务往往（并非总是）在其服务条款中包含训练数据条款。这些条款授予供应商一项许可，可使用你的音频和转录稿来改进其识别模型。

对某些用户来说这没问题。对另一些人来说——尤其是那些写医疗状况、家庭事务或受知识产权保护的工作的人——这是无法接受的。防范之道是使用本地听写。使用 CaringDictate（以及任何其他完全本地的工具）时，没有任何东西被上传，所以也就没有任何东西可供训练。

需要联网这个问题

一个相关但独立的问题：云端听写需要联网。如果你家里的网络断了，你的云端听写就无法工作。如果你正在某个连接不佳的地方旅行，你的听写质量可能下降，甚至完全失灵。对于出于无障碍原因依赖听写的用户来说，这种对稳定网络连接的依赖是一个隐患。

本地听写无需联网即可工作。CaringDictate 在初次安装时下载一次识别模型，从那之后，它就完全离线工作。这对旅行、对时断时续的连接，以及对那些（越来越少见的）你根本不想让电脑事事都向外联网汇报的情况，都很重要。

CaringDictate 具体如何处理隐私

我们的架构特意设计得便于验证：

  • Whisper Large v3 Turbo（识别引擎）在安装时下载一次，并存储在你的电脑上。
  • 当你听写时，音频由麦克风采集，由 Whisper 在你的 CPU 上处理，并转换为文字。随后音频缓冲区即被丢弃。
  • 文字被注入到光标所在的任意文本框中。
  • 没有任何东西被发送到互联网。没有任何东西被记录。没有任何东西被存储。
  • 你可以用任何网络监控工具来验证这一点——CaringDictate 在听写过程中不建立任何对外连接。

CaringDictate 产生的唯一网络流量，发生在初次安装期间（下载识别模型以及任何更新检查）。安装完成后，它就完全离线。

按使用场景给出的实用建议

用于一般听写（邮件、文档、网页表单）： 任何本地听写工具都可以——CaringDictate、Dragon，或者较新 Mac 上的 Apple Dictation。

用于医疗对话或 HIPAA 相关工作： 仅限本地才是正确答案。CaringDictate 正是专为此打造；旧版 Dragon Professional 也可以（尽管它缺少更新）。

用于你想转录的会议： Otter.ai 是标准选择，但它基于云端——务必确保会议中的每个人都同意这一点。

用于隐私敏感的个人写作（日记、回忆录）： 绝对要用本地。CaringDictate 或较旧的 Apple Dictation。彻底避开云端服务。

接下来该去哪里

关于 CaringDictate 如何处理你数据的完整技术细节，请见我们的 隐私政策。如需与基于云端的替代方案对比，请见 对比 Dragon Anywhere, 对比 Wispr Flow, 对比 Otter.ai.