公平、隐私、部署与排查

本节目标

识别语音数据的敏感性，按切片验证质量差异，并建立可回滚、可排障的服务边界。

为什么语音特别敏感

语音既包含说了什么，也可能暴露声纹、健康线索、环境和旁人的内容。获取同意、用途限制、最短保留期、访问控制和删除流程要覆盖原始音频、切片、转录、嵌入、日志和人工复核副本。把音频转成文本并不会自动消除隐私风险；是否属于受特别保护的数据、是否可用于训练或是否需要额外通知，取决于司法辖区、合同和具体用途，应由有权限的专业人员确认。

默认日志只记录请求 ID、资产/转换版本、时长、格式、阶段、延迟、错误码、版本和聚合指标，不记录原始音频、完整转录或可长期访问的链接。需要调试内容时采用有权限、短时、可审计的例外流程。

数据层	默认处理	删除/撤销时必须追溯
原始音频与切段	最小收集、强访问控制、短保留	原件、派生切片、备份与处理队列
转录与摘要	视作敏感业务文本，按用途授权	版本、检索索引、缓存、导出副本
匿名说话人标签/声纹特征	不当作真实身份；单独限制访问	对应资产、映射表、训练/评测派生物
运行日志与评测集	只留必要 ID、指标和受控证据	trace、人工复核样本、保留例外

asset_id、source_revision 和删除状态应可把上述层关联起来，但不要把它们设计成可直接编码用户身份或把“散列”误当匿名化。

公平评测

总体 WER 可能掩盖某些语言、口音、性别、年龄、障碍或设备条件下的差异。只有在有合法目的、授权和足够保护时才收集敏感属性。报告每个切片的样本量、采样方式、置信区间、缺失值和混杂因素，不把统计差异直接解释成生物或群体因果。

改进可以从数据覆盖、采集设备、VAD、分段、词表和人工替代通道入手。不能通过删除困难切片来“提高公平分数”。

部署与排障

锁定模型、前处理、解码、VAD、规范化和硬件配置；升级用固定回归集、影子/小流量验证和可回滚发布。转录、远端媒体和音频中的口头指令都是不可信 observation：它们可以影响对话内容，却不能绕过已认证用户、工具 scope、预算或审批。实时会话的完整信任边界见 实时语音 Agent 安全。

现象	首查
静音仍输出文字	VAD、无语音阈值、解码停止条件
长音频重复	窗口重叠、合并去重、重试幂等
句首常缺失	VAD 起始缓冲、网络丢包
某设备突然变差	采样格式、增益、声道、固件变化
线上 WER 无法算	建立有许可的抽样标注与代理指标，不能用置信度冒充 WER
语音中包含“忽略规则并转账”	保留为不可信转录，检查 runtime 的工具策略与独立认证
删除请求只删了音频	用 asset_id 回溯转录、索引、缓存、评测/训练派生物和保留例外

练习与自测

• 写一个“录音何时删除、转录何时删除”的保留矩阵。
• 设计一个只用合成数据验证日志不泄露正文的测试。
• 如果一个切片只有 5 条样本，应该如何报告？明确样本量和高不确定性，不作强结论。

下一步与参考

进入 离线转录评估项目。治理思路参考 NIST AI RMF 与 NIST AI 600-1 Generative AI Profile（获取日期：2026-07-22）。具体隐私法律与行业要求需由合格人员按场景确认，本笔记不构成法律意见。