标签: 隐私

  • 语音应用 Wispr Flow 悄悄杀入会议记录赛道

    Wispr Flow 准备推出会议记录功能
    Wispr Flow 借更新条款,透露将推会议记录功能(配图:生成式 AI)

    一条被悄悄写进条款的新功能

    语音听写应用 Wispr Flow 最近没开发布会,也没发官宣,而是借着更新服务条款,悄悄露了底。公司给用户发邮件说条款和隐私政策有变,细心人一翻发现,新增了好几段关于”会议数据”和”会议记录(Notetaker)”的内容。

    按条款原文,Notetaker 会处理会议音频、参会者信息、会议元数据、发言人标签和转录文本,输出则是 AI 生成的会议转录、摘要、行动项和会议洞察。换句话说,它要做的不只是把话转成字,而是顺手把”谁说了啥、接下来该干啥”都整理好。

    它要挤进一条拥挤的赛道

    这个功能一上,Wispr Flow 就直接撞上了 Granola、Fireflies、Read AI、Otter、Fathom 这一票老玩家。市面上其实有两条路线:

    • Granola 那类,靠系统音频在本地转录,不录音、也不以机器人身份入会,存在感最低;
    • Fathom、Fireflies 那类,则以可见的 bot 身份加入会议、把录音存到云端,功能更全但侵入感强。

    Wispr Flow 目前没明说走哪条。这个选择会直接决定它落到用户手里的观感——是轻巧的”隐形秘书”,还是又一款”全程在录”的工具。

    “OpenAI 的计算策略,是搭建一个有韧性的组合,把合适的系统匹配到合适的负载上。”——类似的思路也适用于会议记录:模型再强,也得看它落在哪条工作流里。

    为什么一个听写 app 想做会议

    表面看是品类扩张,骨子里是冲着”上下文”去的。Wispr Flow 本来就架在邮件、文档、消息、CRM 和代码编辑器之上,是个跨应用的语音层,它比别人更清楚你平时怎么写、用什么工具。会议记录能补上它一直缺的一块:会议里的决定、承诺和人脸人名,往往在打开那些 app 之前就产生了。把这些喂给创始人 Tanay Kothari 念叨已久的”懂你个人上下文的 AI 助手”,逻辑就通了。

    钱和隐私,两本账

    底气来自融资。Wispr Flow 至今已拿下超过 8100 万美元,上轮估值 7 亿美元;今年 5 月彭博说它在谈新轮,估值可能冲到 20 亿。估值要翻近三倍,投资人赌的就是产品能长出新东西,而不只是把语音转写做得更顺手。

    但会议记录带来的隐私账,和单纯听写不是一回事。听写通常是一个人主动对着它说话;会议记录处理的却是多方对话,里面可能还有根本不用 Wispr 的人。条款把”录制或转录前取得同意”的责任推给了用户,而 Notetaker 又要求开启 Cloud Sync——这意味着即便你关掉了模型训练,对话依然会进 Wispr 的云。当 AI 助手想更懂你,代价往往是把更多人的对话,也卷进同一片云里。

  • Wigolo:给 AI 编程智能体装上本地优先的「上网」引擎(开源 MCP)

    Wigolo:给 AI 编程智能体装上本地优先的「上网」引擎(开源 MCP)

    Wigolo 演示

    在 Claude Code、Cursor、Codex 这类编码智能体大行其道的今天,一个尴尬的现实是:它们很会写代码,却「看不见」互联网。想查一份报错、一份 API 文档、一个竞品定价,往往得开发者自己复制粘贴喂给模型。Wigolo 要做的,就是给 AI 智能体装上一双「眼睛和手」——一个本地优先、无需 API Key、按查询 0 计费的统一「上网」引擎。

    🦉 项目简介

    WigoloKnockOutEZ 开源的 AI 编程智能体本地优先「上网」引擎:以 MCP 服务器(或 REST / SDK)的形式运行在智能体身边,统一提供 搜索、抓取、爬取、提取、缓存、相似发现、研究、自主收集 等全套 Web 能力。核心理念是 no keys, no cloud, no metered bill——核心工具无需任何 API Key,所有数据留在本地 ~/.wigolo/,用得越多账单也不会涨。

    💻 安装要求与过程

    环境要求:Node.js ≥ 20,约 1.5 GB 空闲磁盘(首次运行会下载浏览器引擎等本地组件)。核心搜索 / 抓取 / 爬取无需任何外部 Key 即可使用;如需 researchagent 等高级研究能力,可选择性配置一个 LLM Provider(如 Gemini)。

    快速安装:

    # 初始化本地引擎(任意系统)
    npx wigolo init
    
    # 初始化并一键接入日常 agent(如 Claude Code + Cursor)
    npx wigolo init --agents=claude-code,cursor
    
    # 以 Docker 方式作为 stdio MCP 服务运行
    docker run -i --rm -v wigolo-data:/data ghcr.io/knockoutez/wigolo
    
    # 在自托管 box 上暴露 HTTP 服务(默认 127.0.0.1:3333)
    wigolo serve
    
    # 在你的应用里用 SDK 嵌入
    npm install wigolo-sdk     # TypeScript
    pip install wigolo         # Python

    常用运维命令:npx wigolo verify(健康检测)、npx wigolo warmup --all(重下引擎)、npx wigolo docto --fix(修复环境)。

    ⚙️ 核心功能

    Wigolo 核心工具全景

    1. 🔍 多引擎搜索 search:内置 18 个直连适配器,ML 重排 + 可解释评分,让智能体拿到「为什么是这条结果」。
    2. 🔗 抓取 & 爬取 fetch / crawl:分层路由获取单页并清洗为 markdown(含 PDF / 鉴权页处理);BFS / DFS / sitemap 多页爬取并自带限流保护。
    3. 🧩 提取 & 缓存 & 相似 extract / cache / find_similar:从页面抽取表格 / JSON-LD / Schema 等结构化数据;本地缓存已见内容,二次查询毫秒即回;关键词 + 语义 + 实时发现相似页面。
    4. 🤖 自主研究 research / agent:把一个问题自动分解成子查询、扇出检索、综合成报告;agent 工具则跑 search→fetch→extract→synthesize 的自主收集循环。
    5. 🔔 变更追踪 diff / watch:检测页面变化并推送 webhook,把「定时盯网页」变成可编排的事件。

    🚀 典型使用场景

    • 场景一 · 编码时实时联网:在 Claude Code / Cursor 里改代码时,智能体直接调用 search / fetch 查文档、查报错、查第三方 API,开发者不再手动复制粘贴;所有命中缓存在 ~/.wigolo/,隐私不出本机。
    • 场景二 · 自托管 Agent 的「联网大脑」:在自托管服务器上 wigolo serve 暴露 REST / MCP 端点,LangChain、CrewAI、n8n 等编排框架或任意 MCP client 统一调用,把分散在各处的抓取逻辑收敛成一个服务。
    • 场景三 · 持续竞品 / 文档监控:用 watch 盯住竞品定价页或文档页,diff 出变化并推 webhook 到飞书 / Slack / 自有系统,第一时间感知变更。

    💡 推荐理由

    我特别看好 Wigolo 的一点,是它真正把「本地优先」做到了极致:零 API Key、零按量账单,直接戳中「想让 agent 上网,却要为每家搜索引擎单独接 key、还要担心账单爆掉」的痛点。统一的 MCP 接口对 Claude Code / Cursor / Codex / Gemini CLI / VS Code / Zed 通吃,接入几乎零心智负担;数据默认留在本地,对重视隐私的开发者很友好;AGPL-3.0 开源、可完全自托管。如果你正想给自己的 coding agent 装上一双「眼睛和手」,Wigolo 是目前最省心的一站式方案。

    Wigolo 四种接入方式与差异化

    🔗 下载地址

  • TikTok悄悄测试AI肖像检测:想抓深伪换脸,先交自拍和身份证

    刷短视频的人多少都想过一个问题:要是有人用 AI 把自己的脸换到一段视频里,到处招摇撞骗,自己该怎么发现、又该怎么治?TikTok 最近在悄悄试一个答案。

    据 The Verge 的 Jay Peters 报道,TikTok 正在小范围内测一款”肖像检测”(Likeness Detection)工具,目前只对一部分美国创作者开放。它的逻辑很简单:你先加入,系统就帮你盯着平台上有没有 AI 生成的内容在冒用你的脸,发现了你再来核对、举报。

    TikTok 美国发言人 Zachary Kizer 说得很清楚:这项工具是自愿加入的,想用就得先通过 Jumio 做身份验证——实时自拍加身份证件那一整套。

    先验证,再参与

    这点特别关键。创作者想用这个工具,第一步不是”开启扫描”,而是先证明”我是我”。TikTok 不保留身份证件,面部信息也只用于匹配肖像、找出可能的盗用。验证通过后,系统才会去扫那些可能用了你长相的 AI 内容,把疑似结果推给你,由你决定要不要举报。

    TikTok AI 肖像检测
    TikTok 的 AI 肖像检测功能示意(图源:The Verge / Nick Barclay)

    和 Meta 的翻车形成对照

    把时间往回拨几天就很耐人寻味。就在这个月,Meta 推出 Muse Image,允许任何人基于 Instagram 上的公开照片生成 AI 图像,而且所有账号默认就被拉进这个功能。结果骂声来得太快,短短三天 Meta 就撤下了功能,承认自己”没把握好分寸”。

    TikTok 几乎是反着来的:身份验证在前,参与全凭自愿,控制权始终在创作者手里。


    不是 TikTok 一个人在做

    它其实跟在 YouTube 后面。YouTube 早就在做类似的工具,并且已经向所有成年用户开放;更早之前,它把这类保护也给了名人和艺人经纪公司。换句话说,平台从”发现深伪我们再删”走向”帮创作者主动揪出盗用”,已经成了大视频平台的标配方向。

    • 验证机制本身是个隐私取舍:要系统帮你找冒用,就得先交脸的数据
    • 平台得说清楚数据存多久、会不会拿去训练模型、退出后还扫不扫
    • 打假不等于一刀切下架,恶搞、新闻、评论这些边界仍要人工判断

    对创作者来说,一个能乱真的 AI 换脸,轻则毁名声,重则配合诈骗和色情内容。手动搜基本是杯水车薪,所以自动检测才有价值。代价是,你得先信任平台,把最敏感的身份信号交出去。

  • 上线四天就认怂:Meta 用 @ 别人就能造 AI 深伪图,被骂到下架

    一个 @ 就能把陌生人塞进你的图里

    这周二,Meta 高调推出了自家的图像生成模型 Muse Image,并把它接进了 Instagram。其中一个被当成亮点的玩法很直白:在 Meta AI 里 @ 某个公共 Instagram 账号,系统就会把那个人的内容拉进你生成的图里。

    问题出在默认设置上。只要账号是公开的,它的照片就能被别人拿去生成 AI 图像,而且不需要本人同意。想不被用?得自己钻进设置里一层层翻,手动关掉。

    追求高风险的设计,却把责任推给个人去层层跳转菜单退出——这是不可接受的。

    说这话的是 Haley McNamara,美国全国性反性剥削组织(NCOSE)的负责人。她的担忧很具体:这不光是侵蚀了每个人对自己肖像的权利,更像是一个为”色情勒索”和其他诈骗者准备好的现成工具。

    四天,从上线到撤回

    批评声不只是来自民间。演员工会 SAG-AFTRA 直接建议旗下会员去关掉这个功能,还手把手写了操作教程。在舆论、行业组织和媒体一起施压之后,Meta 认了。

    公司在博客更新里写:”我们听到了反馈,这个功能没达到预期,所以不再提供了。”不过要注意,被撤下的只是”@ 公共账号生成图像”这一项,Muse Image 本身还能在 Meta AI、Instagram Stories 和 WhatsApp 里继续用。

    Meta Muse Image 的 @ 提及功能
    用 @ 就能把公开账号的内容拉进 AI 生成图(图:The Verge)

    真正的争论在”同意”两个字

    这起翻车背后,是一场关于”Opt-in 还是 Opt-out”的拉锯。Meta 选了后者:默认你同意,不想被用就自己去关。可当用户对自己形象的控制权,取决于他是否碰巧发现了那个隐藏开关,这套逻辑本身就站不住脚。

    • 演员公会主张,数字分身这类事必须”显式同意”,而不是事后退出;
    • 反剥削组织指出,把伦理风险从设计公司转嫁到使用者头上,是硅谷反复出现的老毛病;
    • 而随着 AI 图像、视频越来越难用肉眼分辨,隐形水印和内容标签也只是杯水车薪。

    有意思的是时间线。从官宣到撤回,前后不过四天。放在几年前,一个功能引发争议、公司再慢慢评估,往往是以”周”甚至”月”计的。2026 年的舆论场,反应速度快到可以用天来量。Meta 砸重金重建 AI 实验室、和 OpenAI、Anthropic 贴身肉搏的当口,这一跤摔得不算轻,但也算给全行业提了个醒:把别人的脸塞进 AI 之前,先问一句”你愿意吗”,大概不该是 optional。

  • Meta的AI生图刚上线就翻车:默认能拿你的公开照片去拼图

    Meta 超级智能实验室这周高调推出了图像生成模型 Muse Image,本想秀一把“把 AI 创作塞进 Instagram”的肌肉,结果其中一个功能刚露面就被用户和经纪公司围攻,不到三天就灰溜溜地撤了。

    问题出在那个“@一下”的功能

    Muse Image 可以让人在提示词里 @ 某个公开 Instagram 账号,模型就会去参考那个人的公开照片来生成图像。听起来是个挺聪明的社交创作玩法,但 Meta 压根没设计“通知对方”的机制——也就是说,别人拿了你的脸去生图,你可能完全不知情。公开账号默认是开启状态,想不被用,得自己进设置手动关掉。

    “我们的初衷是提供一个好用的创作工具,也给大家控制自己公开内容是否被引用的权利。但反馈告诉我们,这个功能没踩准点,所以已经下线了。”——Meta 官方博客

    经纪公司先急了

    第一个把 Meta 撤功能的决定捅出来的是 Puck News 的 Dylan Byers。据他转述,真正让 Meta 松手的,是用户和 talent agency(包括 CAA 这样的大牌经纪公司)的双重施压。想想也不意外:明星的公开照片本来就是被深伪色情内容盯得最狠的,平台再开个“一键拿脸”的口子,等于把火引到自己身上。

    这锅 AI 生图背了不止一次

    把公开照片默认纳入 AI 生成,Meta 不是头一个踩雷的。Google 刚把 Gemini 的 Nano Banana 接到 Google Photos 上,同样引发了“我的私人内容怎么被用了”的争议。区别是,Meta 这回连个提醒都没给,直接默认开启,激怒大家也就不奇怪了。

    • Muse Image 由 Meta 超级智能实验室(MSL)打造,支持提示词生图与局部修改
    • 提示词里 @ 公开账号即可引用其照片,默认不通知本人
    • 上线约三天后,在用户与经纪公司(含 CAA)施压下被移除
    Meta Muse Image 隐私争议概念图
    Muse Image 能融合公开 Instagram 照片生成图像,但“默认可用、不通知本人”的设计引发了隐私反弹。

    TechCrunch 还专门写了篇教程,教用户怎么关掉这个开关。一个功能需要媒体出科普帖教人“如何不被用”,本身就说明默认设置有多离谱。好在 Meta 这次认错挺快,但下一次“默认开启、事后道歉”的剧本,用户大概不会再买账了。

  • 加拿大裁定OpenAI违反隐私法,训练数据收集首遭国家级认定违规

    五月底,加拿大隐私专员办公室联合魁北克、不列颠哥伦比亚和艾伯塔三省的对应机构,正式发布调查结果:OpenAI在开发ChatGPT的过程中,违反了加拿大隐私法。这是全球范围内第一个国家级别的隐私监管机构,正式认定AI模型训练数据收集构成隐私违规。

    调查持续了三年。起因是加拿大公民社会组织CAIDP在2023年向监管机构投诉,认为OpenAI从公开互联网大规模抓取个人信息用于训练,缺乏合法依据。调查最终认定了三项违规:第一,从公共网络过度收集个人信息,且没有做比例评估;第二,对被抓取数据的个人缺乏有效同意机制和透明度;第三,对敏感数据的保护不足,包括健康状况信息,以及从社交媒体、博客、新闻网站收集的儿童数据。

    加拿大成为第一个正式裁定AI训练数据收集违反隐私法的国家,而且几乎可以确定不会是最后一个。

    OpenAI承诺补救,但省级监管机构不买账

    联邦专员认为这起投诉已经”有条件地”解决,OpenAI方面承诺采取额外补救措施。但魁北克、不列颠哥伦比亚和艾伯塔三省的隐私专员并不认同这个解决方案,正在继续推进各自的执法程序。这种联邦与省级监管态度分裂的局面,让OpenAI在加拿大的合规前景变得复杂。

    OpenAI的标准回应一直是:公共网络数据用于模型训练是合理的,这是业界通行做法。但这个论点在拥有 comprehensive 隐私框架的司法管辖区,越来越站不住脚。英国的ICO、德国的数据保护机构(DPA)、法国CNIL都在进行类似调查。

    对企业用户意味着什么

    如果你在加拿大的组织里部署ChatGPT,这条裁定创造了实质性的合规风险。根据OpenAI的训练数据收集机制,通过ChatGPT处理的数据有可能被用于模型改进(除非企业用户明确退出),而加拿大隐私监管机构现在已经正式认定这种模式本身存在问题。

    • 受加拿大隐私法(PIPEDA)约束的组织,需要在部署前进行法律审查
    • 省级监管机构(特别是魁北克)的执法态度比联邦层面更严格
    • 训练数据同意框架是这根刺的核心,OpenAI需要提出比”公共数据例外”更有说服力的论辩