语音输入越来越智能，但识别率之外，声音在哪里处理也开始成为重要问题。RunXun.AI 选择本地语音识别：首次下载语音引擎后，日常转写无需联网，语音不上传、不用于训练，并坚持纯听写、不擅自改写。当语音进入代码、会议、客户资料等工作场景，隐私不应只是一句承诺，而应该落实到产品架构里。
语音输入越来越方便，但你的声音去了哪里？
现在的语音输入，已经不只是把声音转成文字。识别越来越准，AI 还能顺手润色、改写、整理，钉钉、飞书以及越来越多的办公产品都在往这个方向走。但当语音开始真正进入工作场景，一个以前没那么显眼的问题也冒了出来：你对着电脑说的这些话，到底在哪里被处理？
给客户回消息、讨论没公开的项目、描述代码里的 Bug、整理会议内容，这些都可能被直接说出来。对于依赖云端识别的产品，声音或相关数据需要经过网络完成处理；而当语音输入从偶尔用一次，变成每天工作的一部分，识别率之外，数据边界也开始变得重要。
XunVoice 选择把模型交给你，而不是把声音交给我们
XunVoice 的做法比较直接：**首次启动下载约 1GB 的语音引擎，之后的语音识别在本机完成。**需要网络的时候，是把模型下载到电脑，以及后续检查更新；模型准备好之后，日常转写不依赖网络。
这意味着几件很具体的事：**识别零联网、语音零上传、不拿用户语音训练。**断网之后仍然可以继续听写，转写过程中不需要把声音传到 XunVoice 的服务器，也不会因为使用输入功能，把用户说过的话变成训练材料。
所以这里说的“本地”不是一句模糊的隐私口号。判断方式其实很简单：断网以后还能不能识别？转写时有没有网络请求？声音需不需要先上传服务器？这些都是可以实际验证的。
AI 能帮你改，但输入法不该默认替你做主
还有一个容易被忽略的区别，是“听写”和“改写”。
现在很多 AI 产品喜欢把两件事绑在一起：用户说一句话，系统不仅负责识别，还顺手把语序调整了、口语删掉了、表达变得更“完整”。从功能上看确实更智能，但问题也很明显——屏幕上最后出现的，到底还是不是用户原本说的那句话？
XunVoice 在基础语音输入上选择的是纯听写、不改写。你说什么，它就尽可能忠实地写什么。需要 AI 帮忙整理，是下一步的事情；但“输入”本身，不应该偷偷替用户改变意思。
这不是因为 AI 做不到，而是我们认为这里应该留一条边界：识别负责把话听清楚，表达权仍然属于用户。
云端和本地，是两条不同的技术路线
这并不意味着云端语音识别就一定不好。云端方案有它自己的优势，尤其在跨设备、模型持续更新和复杂能力调用上已经非常成熟。钉钉、飞书以及其他办公产品选择什么样的架构，也和各自的产品定位、用户场景有关。
XunVoice 只是选择了另一条路线：让语音识别能力尽可能留在用户自己的电脑里。
这条路线需要付出代价。比如第一次使用要下载约 1GB 的语音引擎，本地也需要承担模型运行所需的计算和存储。但换来的东西同样明确：断网能用、声音不必上传、输入内容不拿去训练。
对普通聊天来说，这些差异可能没有那么明显。但当语音输入进入代码、合同、客户资料、内部会议和企业办公环境之后，“声音在哪里处理”就不再只是一个技术细节。
隐私不是一句「我们很重视」
语音输入真正进入办公场景以后，隐私最终还是要落到产品架构上。
是不是必须联网，声音有没有上传，数据会不会进入训练流程，AI 会不会擅自改变用户原本的表达——这些问题，都应该有明确答案，而不是只剩下一句“我们重视用户隐私”。
XunVoice 给出的答案很简单：需要联网的时候，我们把模型交给你；真正开始说话以后，声音留在你的电脑里。
AI 可以越来越聪明，但有些东西不一定非要交给云端。至少你的声音，可以留在你自己的电脑里。