智能语音助手真的会偷听吗？揭秘背后的技术原理

智能语音助手真的会偷听吗？揭秘背后的技术原理

一提到智能语音助手，大家肯定会联想到，那些被它们无语到的经历。毕竟在当前这个阶段，人工智障们真的离智能还很远。说出来不怕大家笑话，世超很早之前，还真用过Siri来提高生活效率。简单点的，就是让他查查实时汇率，识别歌曲，定个时间。高阶一点，配合米家App和iOS快捷指令，下班后只需要说“嘿Siri，我到家了”。家里的窗帘就会拉上，氛围灯也会打开，蓝牙音响也一起启动。诶，听起来还挺酷对不对？但在实操了无数次，发现Siri的听力和理解能力有时候真想让人给它两个大逼斗后，我放弃了。有那个反复纠正的时间，我TM手指都能戳好了。所以和很多iPhone用户一样，世超现在最多就是用Siri定个时间啥的，其他真不指望这个大聪明。

但，前段时间我们发了一篇关于网络安全的文章，底下留言让我对这个大聪明起了一丝顾虑。——我们HeySiri的时候手机有反应，那没嗨的时候，手机难道没有一直听着周围的声音？嘶，好像有点道理？如果不一直听声音，它怎么知道我喊他了？后来我摸到了苹果官网，发现他们在Siri介绍文案里提到了四个字“随时待命”。。。我的疑心更重了。要真像网友说得那样，手机一直在听我们说话，那岂不是半夜看学习资料的事儿每天说的话都被知道了？带着这个问题，世超在网上搜了一整天，还真发现了一些说法。先给大家说个结论，iPhone能听到你喊HeySiri，确实是因为它一直在听你声音。不过别急着喷，听到声音≠他能听懂。就好比你家狗一直能听到你在说话，但他能全听懂吗？

要搞明白这个问题，我们得把时间搬回2013年。那年苹果发布了iPhone5s，除了给iPhone塞入了最新的A7处理器，还加入了一个小小的M7协处理器。大家平时熟悉的A系列处理器，是iPhone里的C位，负责绝大部分工作。协处理器就相当于辅助，负责一些不是很难，但需要一直工作的事情。比如你平时微信里PK的步数，就是加速传感器、陀螺仪感知后，交给协处理器计算。理由很简单。因为协处理器的功耗很低，哪怕一直计算数据，对续航也没啥影响。这事要是给A系列处理器做，手机相当于时刻都在唤醒，续航早TM崩了。另外，指南针、压力感知器也都协处理器负责。到了2014年苹果推出了HeySiri功能以后，协处理器又多了一项任务：处理Siri音频。麦克风收录声音，协处理器进行识别。因此，手机确实是一直在听周围声音，来判断你有没有说HeySiri。

问题来了，这时的手机能听懂周围声音吗？很难。我们先捋一下Siri的识别原理。在和Siri对话时，手机收集的声音会被送到Apple服务器计算，这样你说了啥，它很轻松就知道。但在触发Siri之前，手机一直在收集声音，数据非常大，要是几千万台iPhone的数据全送去Apple那儿，服务器早炸了。所以触发Siri之前，手机收集到的声音，其实是在本地计算的。这个计算很复杂，可以参考下图。因为世超不是相关专业的，这图只能看懂一小半，大概给大家解释下。你的声音进入麦克风后，经过处理会切成很多份小音频，接着协处理器会计算这些音频的“分数”。最后把这些音频分数累计起来，看看有没有达到你“HeySiri”的声音阈值。一旦达到了，协处理器就会唤醒主处理器，主处理器会用一套更精准的算法确定一遍。确认是你在喊“HeySiri”后，Siri才会出来上钟。

总结一下：协处理器不断检测周围的声音，确认为“HeySiri”后，主处理器再算一遍再请求Siri服务器。如此一套复杂的流程后，iPhone才能判定它听到的是“HeySiri”，你说它要听懂其他所有的话，那工作量翻个百倍千倍也不够啊。所以，Siri在触发之前能听懂你的话，根本不现实。

那有没有一种可能，不管听没听懂，它只是收集声音，直接传给Apple呢？从技术上说可行，但从续航上说，也不太行。你想想，如果手机一直往外传数据，那电池比你头都大，续航也顶不住吧？哪怕苹果足够阴险，只在充电时偷偷传，这么大数据流量不是明着送人头么。

看到这会有差友会说，你是不是在洗苹果啊。之前都有个国外新闻说，苹果通过Siri听到了不可描述的声音吗？那个我也去查了一下，文章是半个标题党，实际情况不是Siri偷听，而是用户误触发了Siri，Siri开始听了，此时用户正在做羞羞的事情。。而苹果为了判定Siri工作得好不好，会提取不到0.2%的音频信息交给人工查看，最后就这么撞上了。。用户也可以拒绝共享音频

当然除了Siri，还有其他的智能语音助手，它们绝大多数也是通过一个低功耗芯片来监听唤醒词。可以说，这些智能语音助手（包括Siri）在触发之前，能听懂周围声音或者把所有声音上传进服务器，不管是从科技水平，还是从逻辑上判断，都不太现实。那有没有一种可能，在某种条件下，语音助手会悄咪咪联网，偷听个十几秒呢？不经常有人说，前脚刚聊到一个产品，后脚它就出现在了网购平台，怀疑是不是语音助手啥的偷听聊天了。其实世超觉得这事情大概率得赖广告联盟。他们有大量的用户精确画像，比如谁谁喜欢二次元，最近在看日用产品。根据用户画像推荐产品真的很准，有时候正巧前脚说完，后脚撞上推荐了，就让人误以为自己是不是被窃听了。。我们之前也写过广告联盟的文章。

当然，也不是说语音助手不会偷听，可能性有，但比较小。而且退一步说，近两年随着我国相关隐私法的落实，各大厂商加紧权限管理，我觉得偷听的可能性更低了。你想想啊，冒着被制裁、甚至违法的风险，偷听老百姓几句话，就为了赚个三瓜两枣，对任何一个语音助手的厂商来说，都没那个大必要吧。