你的声音去了哪里：诚实地谈听写隐私

如果你的提示词里含着未发布的代码、客户细节，或者一项安全决策的粗略版本，那“听写私密吗？”就不是一个设置问题。它是一个数据流问题：录音去了哪里、由什么来处理，以及在文字到达你的光标之后还剩下什么？

答案取决于架构。有些听写工具把录下的音频发到服务器。有些在你的设备上跑语音转文字。两种设计都可以讲清楚。有用的问题不是某个产品有没有用过私密这个词，而是你能不能把它从麦克风到文字的完整路径画出来。

在一条听写流水线里，音频可能去哪里

一条云端转写路径通常是这样：

microphone -> recorded audio -> vendor server -> speech-to-text -> optional AI cleanup -> text back to your Mac

把音频发到服务器并不阴险。这就是一个云端架构产出转写的方式，而同一条服务器路径往往还会在把文字送回来之前顺手做 AI 清理。取舍是具体的：你的声音以及你说过的一切，必须经过第三方基础设施。厂商的政策决定那些数据如何被处理、是否被存储、以及存多久。

清理值得在这张图里单独占一行。一个工具可以在本地跑语音转文字，然后把转写发到服务器做 AI 改写。在那种情况下，音频可能留在你的电脑上，而你说话的内容仍然以文字的形式离开了它。

一条端侧路径可以更短：

microphone -> local speech-to-text -> local cleanup -> text field

本地转写把服务器从语音转文字这一步里移除了。它并没有回答所有隐私问题。应用仍然可能发送遥测、同步转写、调用云端模型做清理，或者联系后端做账户检查。“端侧”只告诉你其中一部分在哪里运行。剩下的地图你还得自己拿到。

这些问题对任何厂商都适用。如果云端与本地之争正在驱动你的购买决定，Keebye vs Wispr Flow 指南会摊开这个取舍，而不替你断言什么最值得看重。

Keebye 的听写路径留在你的 Mac 上。三个语音转文字选项全部在端侧运行：Parakeet 是默认的英语引擎，Canary 是需要主动开启的 25 语言引擎，Apple 原生引擎也可用。基于规则的清理和可选的本地 LLM 润色同样留在这台 Mac 上。

听写路径不发起任何网络请求。Keebye 联网只用于下载模型、检查应用更新，以及登录加上试用或方案状态检查 — 从不用于发送音频或转写。一旦你下载好模型，转写和清理离线也照样能用。离线听写指南更详细地解释了那条依赖边界。

Keebye 应用内没有遥测。听写历史记录留在你的 Mac 上，存的是文本而不是音频，并在 30 天后自动删除条目。Keebye 在设计上也拒绝往安全输入框或密码输入框里听写。

当你的声音承载的不只是一张购物清单时，这条边界就很重要。如果你用听写来写智能体指令、评审笔记，或者关于尚未发布工作的提示词，给 AI 提示词用的听写指南讲了围绕这类敏感输入的工作流。

你可以亲眼观察听写在没有网络连接时是否照样能用。

开始试用并登录，下载一个语音模型，然后关掉 Wi-Fi。往一个普通文本输入框里口述。转写仍然会出现，因为语音转文字和清理用的是你 Mac 上已有的本地组件。

这个测试验证的是模型下载之后的离线运行。它不验证后端请求、存储、遥测，或者应用完整的隐私姿态。它不能替代一次完整的安全审计，但它是一个有用的检查：一个隐私宣称是否改变了可观察的行为。

Keebye 处于早期访问阶段，且仅支持 macOS。如果你今天就需要一个生产级稳固的版本或另一个操作系统，它还不合适。

Keebye 会连接我们的后端做登录以及试用或方案状态检查，从不为了音频或转写而连接。那条连接支撑的是账户相关的操作，尽管听写本身在模型下载之后离线可用。

keebye.com 这个网站使用标准的网页分析。Keebye 应用本身没有遥测。网站的统计和应用的行为是两套分开的系统，这个区分很重要。

端侧转写仍然会出错。本地处理改变的是你的数据去了哪里；它并不会让语音识别变得万无一失。在发送之前，请审阅敏感的提示词、命令和消息。

隐私宣称应当具体到可以被检查。对 Keebye 来说，离线运行就是其中一个可观察的宣称：下载模型，断开网络，然后继续口述。