Apple Watch 語音 AI 功能展開測試,新增對話回放與摘要

文章摘要

Apple Watch Series 12 正式展開名為「音訊智慧(Audio Intelligence)」的 AI 功能測試,目前已隨 iOS 27.3 更新開放給開發者。該技術包含四大功能,其中聲音辨識可協助聽障者偵測警報或門鈴,歌曲辨識則整合 Shazam 識別背景音樂。最具爭議的「Live Rewind」與「Siri Recaps」則涉及對話錄音,為保護隱私,Live Rewind 透過雙擊數位錶冠啟動,可顯示過去 15 秒的對話文字片段,若未保存將於 30 秒後自動刪除,且運作時手錶會發出提示音並顯示動畫。Siri Recaps 則旨在協助會議或個人談話記錄,系統不會辨識說話者、儲存原始音訊或逐字轉錄,僅提供重點摘要與條列式總結,且在使用耳機或抗噪功能時不會觸發。所有記錄皆需使用者主動確認保存,否則系統將自動刪除。此舉旨在滿足使用者在無法手動記錄時的補強需求,並透過自動化管理資訊的保存期限來兼顧隱私。

AI 大叔解析

【核心判斷】
穿戴式 AI 真正的瓶頸從來不是模型會不會做摘要,而是設備在公共場合偷聽會不會直接吃上隱私官司。這次 Apple Watch Series 12 隨 iOS 27.3 開發者測試推出的「音訊智慧(Audio Intelligence)」,本質上是一套「為了合法合規把功能閹割到極致」的防禦型架構;它透過 S11 晶片的硬體安全隔離區(Secure Enclave)、配對 iPhone 轉出濃縮文字,再由私密雲端運算(Private Cloud Compute, PCC)生成條列重點,用繁複的隱私機制換取 ambient listening(環境監聽)功能的上線空間。

【毒舌吐槽】
雙擊數位錶冠回溯過去 15 秒對話,手錶還得發出提示音加螢幕動畫——這畫面就像你跟主管講話講到一半,手錶突然「噹」一聲大叫「我剛剛在錄音喔」,生怕對面不知道你分心或在蒐證。為了躲避 Meta 智慧眼鏡那種被社會公審的後座力,工程團隊把保護機制塞好塞滿:不辨識說話者、不留原始音訊、不做逐字稿,甚至 30 秒沒按儲存就直接蒸發。功能做得很科技,但現實社交場景裡,你每按一次按鈕都在考驗對方對你的信任度。

【為什麼重要?】
這套架構最核心的工程突破在於資料管線的物理切分。S11 晶片上的輕量模型只負責判斷「配戴者是否正在對話」,原始音訊全程鎖在硬體安全隔離區的音訊緩衝區(audio buffer)內,連手錶作業系統本身都碰不到。音訊傳到 iPhone 端時,直接在裝置端轉成去除贅字的濃縮文字,原始音訊隨即捨棄;最後送上 PCC 雲端的僅剩這份加密文字,雲端產出摘要後也立刻清除中間運算數據。

這種嚴格的管線設計也帶來了具體的邊界與代價。功能在戴耳機聽音樂或開啟降噪時完全不會觸發;Siri Recaps 雖然能自動過濾身分證號、財務認證等敏感資料,但生成的內容完全抹除了說話者身分與語氣情緒。對使用者來說,它不是完整的會議記錄工具,更像是一份具有 7 天自毀期限、僅記錄截止日期與條列數字的備忘錄。

【影響對象與建議】
- 企業資安與合規架構師:應立即檢視內部保密協定,針對 Series 12 裝置的環境摘要行為評估風險;即便資料宣稱在 PCC 立即刪除,仍應建立機密會議禁用穿戴式常駐監聽的明確規範。
- Apple 生態系開發者:提早測試 iOS 27.3 的獨立 Siri App 整合介面;應著眼於 15 秒短文本片段的延伸應用,而非期待系統釋出長音訊或逐字轉錄原始資料。

想更了解這個話題?