watchOS 27.3开发者测试版：Siri新增常开音频智能功能

苹果为Apple Watch引入常开音频智能

据最新发布的watchOS 27.3开发者测试版显示，苹果正在将Siri的音频处理能力推向一个新的阶段。新版本中加入了名为Audio Intelligence的常开音频功能，允许Siri接入Apple Watch的麦克风，持续感知周围环境声音。这一变化标志着可穿戴设备从被动响应向主动环境理解的转变。

目前该功能包含两个核心组件：Siri Recap和Live Rewind。两者都围绕“环境聆听”（ambient listening）展开，但应用场景和输出形式有所不同。

Siri Recap：让对话自动生成摘要

Siri Recap的核心能力是借助环境聆听生成对话摘要。当用户处于交谈场景中，Siri可以捕获音频内容并整理出要点。对于需要快速回顾会议片段、采访记录或日常讨论的用户来说，这种能力省去了手动记录的步骤。

从产品逻辑看，Recap更偏向“事后整理”——它不要求用户主动触发录音，而是由系统在后台完成音频采集与摘要生成。这种设计降低了交互门槛，但也对隐私边界提出了更高要求。

环境聆听（ambient listening）指设备麦克风在未被用户主动唤醒的情况下持续采集周围声音，并在本地或云端进行识别与处理。它与传统的“唤醒词触发”（如“Hey Siri”）不同，强调系统对场景的连续感知。在可穿戴设备上，环境聆听通常依赖低功耗音频前端（如始终在线的DSP）先做语音活动检测，再将有效片段送入主处理器或云端模型，以平衡功耗与识别质量。这一架构也决定了隐私设计的重点：哪些数据留在本地、哪些上传、保留多久，都需要在系统层面明确。

Live Rewind：回溯最近15段对话文本

Live Rewind则聚焦于即时回溯。根据测试版信息，该功能可以为最近15段音频生成文字转录。用户可以在需要时回看刚刚发生但未及记录的对话内容。与Recap的摘要定位不同，Rewind提供的是逐段转录，信息颗粒度更细。

两项功能结合，实际上覆盖了“压缩摘要”和“完整回溯”两种信息消费需求。对于Apple Watch这样屏幕小、交互时间碎片化的设备，语音转文本再整理成摘要的链路，比让用户在小屏幕上阅读长文更合理。

语音转文本（ASR，自动语音识别）在可穿戴设备上通常采用“端侧+云端”混合方案：端侧模型负责实时唤醒与短指令识别，云端模型负责长句、多说话人和嘈杂环境下的高精度转录。Live Rewind这类逐段转录功能对时间戳对齐、说话人分离和上下文纠错有较高要求，否则回溯文本的可读性会明显下降。与摘要不同，转录保留原始措辞，信息损失小，但更依赖存储与隐私策略，例如滚动缓存最近若干段音频、转录完成后是否立即删除原始音频等。

常开音频背后的产品与隐私权衡

Audio Intelligence的“常开”特性是本次更新的关键争议点。Apple Watch麦克风持续接入Siri，意味着设备需要在不被主动唤醒的情况下处理环境音频。这对续航和隐私都是挑战。

苹果在测试版中推出该功能，说明其已在系统层面做了相应准备。但开发者测试版通常不代表最终用户体验，正式版是否保留常开设定、是否会加入更明显的状态提示，仍有待观察。对于注重隐私的用户，这一功能的上线节奏和默认开关状态将直接影响接受度。

常开音频对续航的影响主要来自麦克风前端、语音活动检测和无线/云端传输三部分。业界常见做法是让低功耗音频子系统常驻，仅在检测到人声时才唤醒应用处理器或建立网络连接，从而把平均功耗控制在可接受范围。隐私方面，常开麦克风涉及“合理隐私预期”问题：设备需要在系统UI中提供明确的录音状态指示（如状态灯或控制中心图标），并允许用户一键关闭、查看和删除音频记录。不同地区对持续录音的合规要求不一，默认开关状态和留存周期往往是监管审查的重点。

对可穿戴AI的启示

Apple Watch的算力和屏幕限制，决定了它很难走“大而全”的AI助手路线。Audio Intelligence选择从音频感知切入，把Siri变成环境信息的过滤器，这条路径更符合手腕设备的物理形态。

如果Recap和Rewind的实际体验足够稳定，可穿戴设备有望成为个人对话的“第二记忆”。但前提是苹果能在隐私透明度和功能实用性之间找到平衡。watchOS 27.3开发者测试版的这次更新，是观察苹果AI策略落地的重要窗口。