聲音能不能當生命徵象？語音生物標記的現況、限制，還有台灣最大的那道語言牆

一位長照機構的個案管理師每週要打幾十通電話關懷獨居長輩。她跟我說，電話裡最難判斷的不是有沒有生病，而是「今天聽起來怪怪的」那種感覺——她知道那個感覺往往是對的，但寫在紀錄上只能寫「精神狀況尚可」。

語音生物標記想做的，就是把那種說不出口的感覺變成一個可以記錄、可以比較的數字。

現在的產品分成兩條路

先把最重要的分類講清楚，因為它決定了隱私難度與適用場景。

被動聆聽路線。 Canary Speech 的 Canary Ambient 自稱是業界第一個環境聆聽式的語音生物標記工具——不必請使用者唸特定句子做測驗，而是在日常對話（客服電話、遠距門診）中被動分析，輸出與情緒和認知狀態相關的決策支援訊號。它走 API 優先，客群涵蓋醫院、臨床電話中心、客服中心、保險支付方與臨床試驗單位。

主動量測路線。 Sonde Health 的做法相反——請使用者對著手機發聲幾秒，換取一組可重複比較的分數，涵蓋 Mental Fitness、Cognitive Fitness、壓力與呼吸健康四類指標，用數百萬筆有醫學標註的語音樣本訓練。

這個差別的實務意義比技術差異大得多。被動聆聽的長期追蹤可行性高（使用者零負擔），但隱私與告知同意的難度陡升；主動量測的隱私爭議小很多（使用者知道自己正在被量），代價是需要使用者配合。台灣要導入，這一題會決定你的專案是三個月上線還是卡在法遵一整年。

另外兩種更專門的切法

追蹤神經退化。 Aural Analytics 走的是臨床級路線，把發音與語言運動功能量化成可重複的神經指標，技術基礎是約二十五年的 NSF 與 NIH 資助研究，官方標示支援八種語言、部署橫跨四大洲，主戰場是 ALS、帕金森氏症、多發性硬化症這類需要長期追蹤細微變化的疾病。它真正的價值在頻率——傳統語言功能評估要到院、要語言治療師操作，一年做兩三次；改成在家錄音幾分鐘，追蹤密度可以提高一個數量級，而藥物療效的變化往往就藏在那些一年兩次量不到的斜率裡。

篩檢呼吸道疾病。 VoiceMed 是義大利羅馬的團隊，產品 Airlyn 分析語音與呼吸的聲學特徵，分成 Check for COPD（早期篩檢）與 Predict for COPD（確診後監測與急性發作風險預測）兩段。COPD 這個病特別適合這種做法——早期幾乎無感、很多人是進急診才確診，而確診後最貴的成本是反覆住院。手機可測、可以每天測，對它的意義特別大。

順帶一提，同類的「非接觸量測」還有另一條路：NuraLogix 用一般攝影機捕捉臉部血流變化，三十秒推估生理指標，其中脈搏率與呼吸率已取得 FDA 許可。原理不同，但要面對的行銷誠信問題一模一樣。

它們能做什麼、不能做什麼

能做的：提供趨勢訊號、標示出「值得進一步評估」的對象、以低負擔的方式高頻追蹤同一個人的變化。

不能做的：診斷。所有這些產品的官方定位都是決策支援或健康資訊，而不是診斷工具。這條線不是法規上的技術性區分，它反映的是真實的能力邊界——聲音的變化可以來自感冒、宿醉、熬夜、剛跑完步，把單次的異常訊號當成疾病指標，誤判率會高到沒有臨床價值。

也因此，這類工具最正確的用法是看同一個人隨時間的變化，而不是跟別人比大小。連續三五天往壞的方向走，才是可行動的訊號；某一天的分數偏低，什麼都不代表。

台灣的兩道關卡

第一道，也是最硬的一道：語言。

上面提到的產品裡，沒有一家明確宣稱支援繁體中文。而語音生物標記對語言的依賴程度非常高——華語是聲調語言，聲調的變化在英文裡不承載語意，在中文裡卻是辨義的核心，這對聲學特徵抽取的影響不是「準確度掉一點」，而是整個特徵空間的意義都要重新驗證。

更麻煩的是台語。台灣長照與社區關懷的實際對話裡，台語或國台語混用的比例非常高——而這正好是語音生物標記最有應用價值的族群（高齡者）。一個只在英文語料上驗證過的模型，直接用在台語長輩身上，出來的分數我認為不該被當成臨床訊息。

所以評估這類工具的第一個問題不是功能，是：你有沒有中文、最好是台灣華語的驗證資料？ 沒有的話，這個專案就是研究計畫，不是導入計畫。

第二道：隱私與告知同意。

被動聆聽在台灣要處理個資法的告知同意與目的特定原則，醫療場域還要疊上病歷與敏感個資的規範。實務上這一關的成本經常高於技術導入本身。如果你的專案時程很緊，我會建議先做主動量測——使用者知道自己在被量，同意書單純得多。關於 AI 使用個人資料的界線，我們在 AI 隱私與資料安全指南 裡有更完整的整理。

給台灣不同角色的建議

長照與醫療機構：從主動量測開始，找一個明確的追蹤目的（例如憂鬱傾向的變化），先在三十到五十位個案上做三個月的對照，看語音分數的趨勢有沒有對應到你們既有的量表結果。有對應再談擴大，沒有對應就是語言驗證沒過。

企業健康方案：技術不是門檻，勞資信任才是。誰看得到分數、會不會影響考績、資料保存多久——這些規則沒先講清楚，參與率會低到資料失真。我看過太多這類專案死在這一關，而不是死在模型不準。

一般讀者：如果你在某個 App 上看到語音健康評分，合理的態度是把它當成體重計——看趨勢有意義，單次數字別當真，而且它絕對不是醫師。

TheAI學院 總結與評語

這個領域我追了兩年，技術進展是真的，產品成熟度也確實到了可上線的程度。但它在台灣的落地障礙，講到底不是技術問題。

評語：語音生物標記最迷人的地方是「不用測驗就能追蹤」，而這剛好也是它最危險的地方——零摩擦的量測，同時意味著零摩擦的監看。這條線要自己劃。

具體建議收成三句話。第一，先問語言驗證資料，沒有中文驗證就當研究做，別當服務賣。第二，能選主動量測就別急著做被動聆聽，省下的法遵時間往往比技術差異值錢。第三，任何時候看到單次的異常分數，第一反應應該是「再測一次」，而不是「去查這是什麼病」。

資料來源

• Canary Speech 官方網站（Canary Ambient 環境聆聽式語音生物標記）
• Sonde Health 官方網站（語音生物標記平台與指標分類）
• Aural Analytics 官方網站（臨床級語音分析與語言支援）

本文依各廠商公開資訊整理，所有效能與定位說明均為官方自述。文中內容為技術趨勢分析，不構成醫療建議；語音健康指標不具診斷效力，任何健康疑慮請諮詢專業醫療人員。