浏览器语音指纹是什么？SpeechSynthesis 语音列表如何暴露环境特征

核心结论：语音指纹读的是设备上装了哪些合成语音，这是一份跟着操作系统走的配置清单，换代理、清 Cookie 都不会让它改变。排查多账号环境的信号一致性时，它是继 Canvas、AudioContext 之后容易被漏掉的一项。

「代理换了、Cookie 也清了，环境检测怎么还是对不上？」做账号排查时，答案经常藏在设备层的参数里。语音是其中最容易被忽略的一种。网站不需要访问麦克风，也不需要播放任何声音，只要调用一次接口，就能拿到一份与系统配置有关的清单。

这份清单由操作系统和语言包决定，跟着设备走。IP 换了，它也不动。MostMate 就是为这类问题设计的指纹浏览器，给每个账号准备一套独立的浏览器环境。设备层参数也在管理范围里，语音是其中一项。

语音指纹是什么？和录音识别声纹有什么区别

语音指纹的原料是语音合成功能的配置信息，与麦克风采集的声纹是两回事。

先把三个概念分开。语音合成指浏览器把文字转成语音的能力，也就是网页朗读功能背后的那套系统。语音列表指当前环境里可供这套功能使用的声音选项。按 MDN 文档的说明，调用 getVoices() 会返回设备上可用的语音对象列表。语音指纹则指网站把这份列表里的特征，当作识别环境的一类信号。三者一层比一层具体。

和声纹识别对比一下就清楚了。声纹要录音、要授权、要真的发出声音。语音指纹全程无声、无需授权。网站读到的是菜单，不是声音。差别就在这里，也是它容易被忽视的原因：没有弹窗、没有感知，数据已经交出去了。

SpeechSynthesis 怎么把语音列表交给网站？

网站的读取入口是 speechSynthesis.getVoices()，一次调用就能拿到完整清单。

每个语音对象带五个字段，含义看下表：

名称往往只是一个人名，voiceURI 才携带底层信息。以 Firefox 在 macOS 上的返回为例，取值形如 urn:moz-tts:osx: 加一串系统内部标识。系统私有的语音注册信息，就这样透过公开接口交了出去。

还有一处细节影响读取结果。Chrome、Edge、Firefox 里首次调用常返回空数组，语音要等 voiceschanged 事件触发后才填充完整。加载时机本身也是信号。有的浏览器立即触发，有的延迟，有的已经加载完就不再触发。这份接口在 Web Speech API 规范里至今仍处草案状态，行为细节以各浏览器实现为准。

语音列表会暴露哪四类环境特征？

单个语音名称说明不了什么，列表的组合方式才有区分度。

第一类：操作系统与设备线索。 语音由系统语音服务提供。Windows 上常见 Microsoft David、Zira 这类名字。macOS 上常见 Samantha、Daniel。Android 手机上是 Google 语音服务的一套。Linux 桌面如果没装语音服务，列表常常是空的。

第二类：语言与地区配置。 lang 标签的组合反映这台机器装过哪些语言包。一份同时带日语、阿拉伯语、印地语语音的列表，等于把多语言使用背景报给了网站。用户自己都未必记得。

第三类：浏览器实现差异。 Chrome 会在系统语音之上叠加 Google 的云端语音。localService 一项，能区分本机合成与联网服务。同一台机器，Chrome 和 Firefox 返回的列表构成可能不同。

第四类：默认值与整体组合。 数量、顺序、语言标签、默认语音拼在一起，构成区分度相当高的环境信号。再补一句边界。它只是线索之一，网站要综合多类信号才下结论。一份语音列表认不出具体的人。

语音指纹和 AudioContext、Canvas 指纹有什么区别？

三者经常被一起提起，但观察对象完全不同。先看对照：

语音列表枚举和音频渲染是两条路径。一个读静态清单，一个算动态结果。两者不能混为一谈。AudioContext 指纹那篇讲的是后一条路径的原理与设置。字体指纹则和语音列表同属静态清单一类，都是设备装了什么的直接读数。

怎么检查浏览器暴露了哪些语音信息？

检查只需要开发者工具，五分钟能拿到网站能看到的那份清单。

1. 打开开发者工具的 Console，输入 speechSynthesis.getVoices() 并回车，看返回内容。
2. 展开列表里的语音对象，记录 name、lang、localService、voiceURI 的取值。
3. 刷新页面后立刻再查一次，对比首次是否为空数组，确认异步加载行为。
4. 换一台电脑或另一个系统重复步骤，观察差异来自系统语音服务还是浏览器实现。
5. 挂上代理再查一遍，列表通常不变，这正好验证它是设备层信号。

解读结果有两点分寸。列表为空不代表没有语音指纹，空本身也是一条信息。无语音服务的 Linux 和部分自动化环境，常返回空数组。列表长也不代表更容易被认出。判断要看整体环境是否自洽，而不是数单项参数的多少。

MostMate 怎么管理语音环境特征？

语音列表属于设备层参数，指纹浏览器对它的处理方式是纳入环境配置，而不是放任不管。

在 MostMate 创建或编辑环境的「指纹设置」里，SpeechVoices 是一项独立参数，与 Canvas、AudioContext、ClientRects、WebGL 图像并列。档位为 Real 与 Noise 两档，Noise 即噪音模式。

选 Noise 后，右侧指纹预览面板的 SpeechVoices 一栏会显示带六位代号的取值。Canvas、AudioContext 各有各的代号，互不通用。代号是噪音配置的标识，实际暴露的哈希值要打开环境访问检测页查看。

语音参数不孤立调。环境的操作系统、语言、时区决定了语音列表应该长什么样。Windows 环境配出一套 macOS 语音，就是明显矛盾。调整顺序建议先定系统与代理，再核对语音这类设备层参数。这比逐项乱试可靠。

需要逐项控制时，可以按官网手动指纹设置清单逐项调。想省配置时间，创建环境时用推荐配置封装这批参数，之后再针对个别项复核。也要说明边界。指纹浏览器管理的是环境配置，不能保证网站无法识别环境，也不能保证账号不触发平台验证。账号本身仍要遵守平台规则。

常见问题

语音指纹会录制我的声音吗？

不会。整个读取过程不碰麦克风、不播放音频。网站拿到的只是系统语音服务的配置清单。声纹识别需要录音授权，语音指纹不需要任何权限。

为什么两台电脑的语音列表不一样？

语音由操作系统、语言包和语音服务决定。Windows 与 macOS 的内置语音不同，装过的语言包不同，浏览器叠加的云端语音也不同。列表自然对不上。

语音列表为空，是不是就没有语音指纹？

空列表本身也是一条信息。没有语音服务的 Linux、部分自动化环境常返回空数组。对网站来说这是一种异常特征。不能当作隐身。

语音指纹和 AudioContext 指纹是一回事吗？

不是一类。语音指纹读静态的配置清单，AudioContext 算动态的音频处理结果。检测路径不同，排查环境时要分开核对。

MostMate 可以单独修改 SpeechSynthesis 语音列表吗？

产品里对应指纹设置的 SpeechVoices 参数，Real 与 Noise 两档，能调到什么粒度以客户端界面为准。配置后建议打开环境访问检测页，核对实际暴露的列表。

结语

语音指纹的本质，是把这台设备装了什么交给网站。它不录音、不要权限，却跟着操作系统走。IP 换了，它也不动。所以很多常见做法就讲得通了：只清 Cookie、只换代理，环境对不上时，设备层参数要一起对齐。

产品侧，MostMate 把 SpeechVoices 连同 Canvas、AudioContext 一并放进指纹设置。控制档位是 Real 与 Noise 两档。其他功能的全貌，可以到 MostMate 官网自己过一遍。

想看自己的环境现在暴露了什么，按第五节的步骤查一遍语音列表，也可以下载 MostMate建一个环境做对比。