音声入力のしくみ

声はどこへ行くのか:音声入力のプライバシーとセキュリティ

音声入力のプライバシーに関する説明の読み方。誰が音声と文字を受け取るのか、通信の暗号化が守るものと守らないもの、端末に残るもの、そして SayVelio が録音をどう送っているかを具体的に解説します。

MacWindowsiPhoneAndroid

要点

「私の声は守られているか?」という問いには、声に触れる関係者ごとに答えがあります。あなたの端末、音声認識サービス、整形サービス、アプリの開発元です。暗号化が守るのは通信の途中であって、受け取った側がどう扱うかではありません。誰が何を受け取り、誰がどれくらい保存するのかを確かめましょう。SayVelio では、音声は端末から音声認識プロバイダーへ直接送られ、整形がオンなら文字は整形のプロバイダーへ送られます。私たちのサーバーはどちらも受け取りません。

メモ

話した内容

あとで確認 先方は契約書を金曜までに欲しいそうで 価格は確定です

SayVelio の入力結果

あとで確認:先方は契約書を金曜までに欲しいそうで、価格は確定です。

「アプリ」ではなく、段階ごとに確認する

1 回の音声入力は、いくつもの場所を通ることがあり、それぞれに独自のルールがあります。

  1. 端末での 録音。
  2. 端末上、または音声認識サービスでの 認識。
  3. オンの場合、多くは言語モデルのサービスでの 整形。
  4. 最近の音声入力の 履歴。端末上、サーバー上、またはその両方。
  5. アカウント情報:メールアドレス、設定、辞書、利用統計。

「音声は保存しません」は、このうち 1 者については完全に本当でも、ほかの者については何も語っていないことがあります。本当のプライバシー評価では、音声や文字を受け取るすべての関係者と、それぞれが何をどれくらいの期間保存するかを明らかにします。

音声入力のデータの流れ:端末から暗号化された接続で音声認識と任意の整形へ送られ、SayVelio のサーバーには複製が残らない
誰が何を受け取るか:音声は認識へ、文字は整形へ、私たちのサーバーには何も送られない

通信の暗号化がすること

音声サービスへの接続には、どの HTTPS サイトとも同じ保護である TLS が使われます。現行の TLS 1.3 は、接続ごとに 3 つのことを行います。

  • 機密性: ネットワーク上の人(カフェの Wi-Fi、インターネットプロバイダー)が盗み聞きできません。
  • 完全性: 途中で音声や文字を書き換えても必ず検知されます。TLS 1.3 は認証付き暗号(AEAD)を使い、改ざんされたデータを意味のない内容に復号するのではなく、受け付けずに拒否します。
  • 認証: 端末は、本当に接続したかったサービスと通信しているかを確認します。

暗号化がしないこと

暗号化が守るのは道のりであって、行き先ではありません。音声が届けば、送った先のサービスはそれを復号して処理できます。それが仕事だからです。暗号化は次のことについて何も保証しません。

  • サービスが音声や文字を保存するか、どれくらいの期間か
  • サービスの中で誰がアクセスできるか
  • モデルの学習に使われるか
  • そもそもアプリがそれを送るべきだったか

これらを決めるのは、アドレスバーの鍵マークではなく、プロバイダーの方針と契約です。「HTTPS を使っている」は通信については良いしるしですが、それ以上の意味はありません。暗号化だけを根拠にした「完璧なプライバシー」や「データ漏えいゼロ」といった約束には注意しましょう。

SayVelio は音声入力をどう送っているか

  • 音声 は、端末から音声認識プロバイダーへ直接送られます。
  • 整形がオンのとき は、認識結果の文字が、整形プロンプト、辞書、入力先アプリのスタイルと一緒に言語モデルのプロバイダーへ送られます。
  • 私たちのサーバーは、アプリから録音、認識結果、整形後の文字を 一切受け取りません。
  • プロバイダー は、それぞれの利用規約とプライバシーポリシーのもとで、API キーの持ち主のためにリクエストを処理します。持ち主はあなた、あなたのチーム、または私たちのキーを使う場合は私たちです。関わるプロバイダーはプライバシーポリシーに記載しています。
  • 学習: あなたのデータで AI を学習させることはありません。

端末に残るもの

  • 文字の履歴: 最近の音声入力(最大 500 件)は、見直したりコピーしたりできるよう端末に残ります。
  • 音声: Mac と Windows のアプリは、直近の音声入力の音声だけを保存します(初期設定で 30 件)。iPhone と Android のアプリは音声を保存しません。履歴はいつでも消去できます。
  • オフラインモデル: Mac、Windows、iPhone、Android では、任意の音声モデルを端末にダウンロードできます。このモデルで認識した音声入力は、端末からまったく出ません(整形も行われません)。

私たちのサーバーが保存するのは、アカウントに必要なものです。メールアドレス、設定、辞書、定型文、整形プロンプトとアプリごとのスタイル、そして音声入力の回数や単語数といった日ごとの集計(内容は含みません)です。

どの音声入力ツールにも使えるチェックリスト

  • 音声を受け取るのはどの会社か。文字は?
  • 誰かがそれを保存するか、どれくらいの期間か。
  • 学習に使われるか、断れるか。
  • 誰の API キーが使われ、どの契約が適用されるか。
  • 必要なときに完全にオフラインで音声入力できるか。
  • 履歴を見たり消したりできるか。

よくある質問

アプリが「音声を保存しない」と言っていれば、音声入力は非公開ですか?

その言葉は狭い意味で受け取りましょう。開発元は保存しなくても、音声を処理した音声サービスには独自の保存ルールがあり、ローカルの履歴が端末に残している場合もあります。完全な答えは、誰が何を受け取り、誰が保存し、あなたが何を管理できるかです。

機密性の高い仕事でも音声入力は安全ですか?

あなたの組織のルールしだいです。機密性の高い内容では、何も端末の外に出ないようオフラインモデルを使うか、会社の契約が適用されるよう会社自身のプロバイダーキーを使いましょう。チームは SayVelio のアカウントでこれを設定できます。