直接回答
端侧语音翻译可以减少把语音内容发送到远程推理服务的需要，但它不会自动让整个应用都变得私密。麦克风权限控制的是采集行为；模型执行、音频缓冲、转写历史、崩溃报告、操作系统备份、剪贴板、语音合成和用户主动分享又各自属于不同的数据边界。隐私审核应从用户操作开始，一直追踪到数据存储位置与网络目的地。Cove 的当前事实卡记录了通过 LiteRT-LM 执行本地音频处理的路径，但这条事实不能证明每个可选服务或未来代码路径都没有网络请求。可信的“端侧”说明需要盘点数据、检查流量和日志、测试备份与删除，并把用户主动导出与自动传输区分开。最准确的声明应说明：什么内容在什么测试任务中留在设备上、开始使用前要进行哪些联网准备，以及只有在用户明确操作后才会向外分享什么。
场景：在出租车里翻译一条私密语音请求
旅行者录下包含酒店名称和私人预约时间的一句话。应用在本地翻译、保存历史，并提供朗读按钮。之后，旅行者把结果复制到通讯应用，而系统备份也已启用。模型是否本地运行，只回答了隐私问题的一部分。
决策
沿着录音、推理、历史、诊断、备份、播放、剪贴板和分享逐步追踪原始及派生数据。明确哪些操作会自动发生、哪些需要用户选择，以及哪些数据目的地已离开翻译应用。
预期结果
隐私说明可以区分推理期间留在本机的数据、首次设置时的下载，以及用户主动分享的内容。用户删除记录时，也不会误以为隐藏历史条目就同步删除了备份、日志或导出副本。
需要收集的证据
只有将以下证据与同一模型文件和测试运行关联起来，结论才可复核：
- 音频与转写数据清单
- 逐阶段网络流量和日志检查
- 导出、备份与删除验证
隐私声明需要数据清单和流量证据；“本地模型”标签本身不是证明。
实施流程
- 为语音流程中的每类数据建清单. 列出麦克风样本、编码音频、识别文本、翻译文本、语言选择、时间戳、模型标识和诊断字段。逐项标注它是在内存中短暂存在、写入应用存储、进入历史记录、写入日志，还是出现在导出文件里。不要只盘点原始录音，也要包括派生的转写文本和缓存音频。
- 把用户操作映射到代码路径与数据去向. 从权限请求开始，跟踪语音任务中的采集、模型调用、结果解析、历史持久化、朗读、复制和分享。再盘点首次设置、模型下载、翻译失败、诊断、购买等阶段调用的 SDK 或网络端点。“模型在本地运行”只说明推理位置，不等于没有其他请求会携带内容或可识别元数据。
- 使用合成样例检查网络行为. 不要用真实私人录音做流量测试。分别在首次启动、模型下载、翻译、失败、诊断和导出时采集网络请求，并与数据清单逐项比较。若断网导致失败，要说明失败的是核心翻译任务还是某项可选服务；也不要把真实语音内容放进数据包日志或公开测试文件。
- 检查日志、崩溃路径和系统备份. 用合成样例触发解析错误、取消、存储异常和应用重建。确认日志记录的是阶段代码和安全标识，而不是音频字节、转写文本或私密文件路径。检查应用备份配置并执行恢复测试；本地数据库仍可能因应用设置及用户选择进入操作系统备份。
- 把朗读、剪贴板和分享视为单独选择. 确认哪个 TTS 引擎朗读译文，目标语言语音是否可用、是否离线；不要从本地模型推理推断语音引擎的网络行为。验证复制和分享只有在用户明确操作后才会触发，并能预览即将交给其他应用的内容。分享之后，数据去向由目标应用及其同步策略决定。
- 验证原始和派生数据的删除行为. 创建一条测试记录后，通过用户界面执行删除，并分别检查原始音频、转写文本、译文、临时缓冲区、缓存、搜索索引、日志、备份和导出文件。记录哪些副本能由应用删除，哪些仍需要用户到系统备份或第三方目标位置另行处理。
让每个阶段的状态都可观察。失败信息应指出阶段、模型、运行时和恢复动作，同时避免记录用户私密内容。
验收标准
- 音频、转写、译文、元数据及派生文件均有明确的存储位置和保留策略。
- 网络与日志审核用合成数据覆盖设置、推理、失败、诊断、备份和导出路径。
- 本地推理、可选 TTS、系统备份、剪贴板与分享被描述为不同边界。
- 删除测试逐一验证原始数据与派生数据，而不只是隐藏一条历史记录。
决策对照表
| 维度 | 选择或证据 | 解读方式 |
|---|---|---|
| 模型推理 | 设置完成后由本地模型处理音频和提示词 | 可能避免特定测试流程上传推理内容，但不能证明完全没有网络流量。 |
| 设置与诊断 | 分别审核模型下载、崩溃报告和账户服务 | 本地翻译时，这些功能仍可能连接远程系统。 |
| 用户分享 | 复制、导出和分享必须由用户明确触发 | 目标应用或存储服务成为新的隐私边界。 |
| 数据保留 | 分别测试原始音频、转写、译文、缓存与备份 | 删除一个界面条目，不等于所有副本都已删除。 |
需要避免的失败模式
- 把本地推理等同于完全没有数据流
- 记录原始转写或私密文件路径
- 未经核查就将 TTS 或云端备份称作私密
还要避免静默回退、版本未固定、缺少取消处理，以及把不同配置的结果混在一起下结论。失败运行也应与成功记录一并保存。
最小复现记录
| 层级 | 记录内容 |
|---|---|
| 设备 | 厂商、型号、芯片、内存档位、操作系统版本 |
| 软件 | 应用版本和 Git 提交号 |
| 模型 | 系列、变体、版本、格式、文件长度、摘要、量化方式 |
| 运行时 | 名称、版本、请求后端及实际后端证据 |
| 工作负载 | 样例版本、输入摘要、提示词摘要、输出策略 |
| 结果 | 完成、失败、取消、回退及保护隐私的诊断信息 |
发布检查表
- ☐ 主要搜索问题已回答，且没有未经支持的数字。
- ☐ 所有模型文件和运行时版本均已固定。
- ☐ 代表性任务和失败处理策略均有说明。
- ☐ 生命周期、取消、清理和回退均已测试。
- ☐ 用户内容与网络边界均有说明。
- ☐ 结论只适用于被记录的配置。
- ☐ 新增测试结果时链接到原始方法或证据。
来源与相关证据
中文部署与排错专题见。奇连 AI 端侧专题。
常见问题
端侧语音翻译能提供什么隐私好处？
如果经验证的语音推理确实在设备本地完成，该任务可能不必把语音发送到远程推理服务器，从而减少一种重要的数据暴露。但这仍要对照实际代码路径和网络流量验证，并不自动覆盖模型下载、分析、备份、日志、TTS 或分享。
模型本地运行意味着应用完全不联网吗？
不意味着。安装准备、模型下载、可选分析、购买、邮件订阅、崩溃报告及用户主动分享都可能使用其他网络路径。要记录每个请求的触发条件与字段，并在所需资产准备完成后断网执行核心任务，再单独检查恢复联网后的行为。
转写文本会比原始录音更敏感吗？
可能会。转写文本可能暴露姓名、计划、地址或预约，并容易被本地数据库或崩溃日志搜索。应把音频、转写、译文、元数据和派生索引当作不同的数据类别，为每一类分别设计访问、保留、脱敏和删除规则。
分享译文前应检查什么？
先检查将要分享的确切文本，明确触发分享操作，并确认接收应用或目的地。内容进入其他应用后，可能由该应用按自己的设置存储或同步。本地模型推理不能保证之后主动导出的内容仍留在原应用里。