每款主流嘅語音轉錄產品——Dragon、Otter、Google 嘅語音輸入、Apple 嘅語音輸入、所有雲端轉錄 SaaS——都會將你嘅聲音傳送到其他人嘅伺服器。音頻喺你嘅機器上捕捉，透過 HTTPS 串流到數據中心，喺嗰度轉錄，然後文本傳返去。有時音頻會儲存。有時會用來訓練模型。有時會「匿名化」，呢個詞已經失去咗大部分意思。
我哋認為呢個係錯誤嘅預設。
用戶實際上用嚟口述嘅內容
一旦開始觀察實際使用情況，聽寫嘅內容幾乎從來都唔係隨意嘅。佢係：
- 醫療紀錄——醫生將診症過程寫低。
- 法律草稿——律師口述嘅申請書或客戶信件。
- 新聞業——對那些認為錄音唔會流出記者電腦嘅來源人物進行採訪。
- 治療筆記——心理學家撰寫嘅會談摘要。
- 商業策略——由高層負責起草有關交易、人員同資金嘅備忘錄。
- 個人日記——係人哋真正諗嘅嘢，絕對唔應該俾人睇到。
呢啲資料通常會預設被上傳到雲端服務。呢個往往違反咗 HIPAA、GDPR、律師同客戶之間嘅保密原則，或者係基本道德規範——因為用戶並冇意識到，或者冇其他選擇。
Voice Pro 嘅不同之處
- 冇雲端模式，就係咁。 冇「傳去伺服器以求更好準確度」嘅開關。模型係喺您嘅 CPU 或 GPU 上運行。呢個係唯一嘅選項。
- 冇遙測功能。 呢個 App 唔會將使用數據、崩潰報告或其他嘢傳返去伺服器。唯一嘅網路呼叫係：(a) 啟動時嘅授權檢查，(b) 更新檢查，(c) 可選嘅手動下載模型。三樣嘢都有文件記錄，而且都可以關閉。
- 轉錄時唔使開戶口。 你唔使建立帳戶就可以使用 14 日試用期。只有當你打算購買授權時，先需要電郵地址。
- 音訊永遠唔會寫入磁碟。 轉錄期間音頻緩衝區存喺 RAM 入面，文字一生成即刻釋放。冇嘢會洩漏，冇嘢畀人用鑑識手段搵返出嚟。
本地模型真係可以同雲端媲美嗎？
兩年前，唔得。筆電 CPU 上嗰個 100 MB 嘅模型，根本唔可能同 Google 數據中心用 200 GB 模型同 40 張 GPU 做到嘅嘢比。
今日嘅話，係嘅。喺中階 CPU 上運行嘅 Qwen3-ASR 3B，喺大多數語言上嘅字詞錯誤率，同大型雲端供應商相比，相差僅 2% 以內，而且 打敗 喺資源較少嘅語言上，因為雲端供應商嘅訓練數據較少。就口述而言——短促、有意義嘅語句——差距接近 0%。本地 ASR 已經悄悄變得夠好用，而且越嚟越好。我哋只係選擇將佢推出嘅人而已。
原則
你嘅聲音係你產生嘅最個人化嘅數據。佢承載住你嘅身份、你嘅思想、你提及嘅人，以及喺冇人編輯時你選擇嘅字詞。除非你明確且自願咁將佢傳送去某處，否則佢唔應該離開你部機。
呢句唔係宣傳口號。呢個就係呢個產品存在嘅全部原因。