苹果公布无障碍新功能：读 15 分钟文本，生成你的 AI 分身声音

如果知道自己有一天可能会彻底失去声音，你会想把现在的嗓音存下来吗？

Apple 在 5 月 16 日提前公布了一批将在今年晚些时候登陆 iPhone、iPad 和 Mac 的无障碍新功能。这一整套工具覆盖了认知、视力和语言障碍人群，也是 Apple 长期和残障群体沟通后做出来的改进。

读 15 分钟文本，留住你自己的声音

最引人瞩目的是一项叫做「Personal Voice」的个人声音功能。它是专门为渐冻症（ALS）等可能逐渐丧失说话能力的疾病患者准备的。

用户只需要对着麦克风清晰朗读 15 分钟系统随机给出的文本，设备就会利用端侧机器学习生成一段听起来很像你本人的合成声音。类似的技术以前有 Acapela 的「my own voice」服务，但这次被直接做进了主流消费电子系统的底层。

声音克隆在安全上一直是个雷区。Apple 的做法是把运算全部放在搭载 Apple Silicon 芯片的设备本地跑，连 Apple 自己都拿不到这串音频数据。甚至为了防止同住家人共用账号时串台，这个声音模型默认都不会和 Apple ID 绑定，除非你自己主动勾选跨设备同步。

上线初期，Personal Voice 只能在配备 Apple 芯片的设备上生成，而且暂时只支持英语。

做好了自己的专属声音，怎么用？搭配它的是「Live Speech」实时朗读。打不了字或者说不出话的人，可以直接在锁屏界面或 FaceTime 里打字，让系统读出来。如果平时总要重复同一句话，比如去便利店点固定配方的咖啡，也可以直接存成快捷短语一键播放。

认知障碍界面的减法，与给视障者的「指字即读」

除了声音，这次还有面向认知障碍人群的「Assistive Access」。说白了就是给系统做极简大字版，把 iPhone 和 iPad 的界面抽取出最核心的需求。

在这个模式下，电话和 FaceTime 会合二为一，屏幕上只留下巨大且对比度极高的图标与文字标签。用户可以按自己的习惯调布局，适配了这个特性的第三方应用也会自动继承这套极简样式。

对于盲人和低视力用户，放大器工具里新加了「Point and Speak」功能。它调用了手机的摄像头和激光雷达扫描仪。

平时视障者用微波炉，面板上密密麻麻的「爆米花」「披萨」「火力」按钮根本分不清。现在拿手机镜头对着按键指一下，系统识别到文字就会立刻大声读出来。这个功能首批就支持中文、普通话、粤语、英语、日语、韩语、西班牙语等多种语言。

此外，语音控制（Voice Control）也补齐了拼音建议功能，用嘴打字如果把 grey 错识别成了 great，可以快速修正。面向零售店和技术支持的手语翻译服务 SignTime，本周四还会进一步拓展到德国、意大利、西班牙和韩国。

为什么重要

我们认为，这次更新里最显水平的不是声音克隆能做得多像，而是 Apple 在端侧安全和实用之间画下的那道界线。

现在市面上做 AI 声音克隆的工具很多，但绝大多数都把音频传上云端处理，这在深度伪造和欺诈横行的背景下风险极大。Apple 坚持只在本地芯片上跑，连自己的云端都不给传，甚至不主动绑定 Apple ID。这种对隐私的死磕，给极度脆弱的病患群体提供了一个真正敢放心备份声音的安全港湾。

对于普通用户或者家里有认知障碍老人的家庭来说，Assistive Access 和 Point and Speak 则是立刻就能派上用场的工具。它把原本分散且门槛极高的专用辅具，直接变成了每台 iPhone 标配的功能，甚至帮视障群体解决了家电按键这种最琐碎却致命的日常痛点。

不过门槛依然客观存在。目前无论是个人声音的生成还是指字即读，都深度依赖 Apple Silicon 芯片或激光雷达硬件，老旧设备基本享受不到。但在主流科技厂商里，能把端侧 AI 能力优先拿去给小众弱势群体解决尊严问题，这一步走得相当漂亮。