瀏覽器語音指紋是甚麼？SpeechSynthesis 語音清單如何暴露環境特徵

核心結論：語音指紋讀取的是裝置上裝了哪些合成語音，這是一份跟著作業系統走的設定清單，轉代理、清 Cookie 都不會令它改變。排查多帳戶環境的訊號一致性時，它是繼 Canvas、AudioContext 之後容易被漏掉的一項。

「代理換了、Cookie 也清了，為何環境檢測還是對不上？」做帳戶排查時，答案往往藏在裝置層的參數裡，語音正是其中最容易被忽略的一項。網站不必取得麥克風權限，也不必播放任何聲音，只要呼叫一次介面，就能取得一份與系統設定相關的清單。不少人以為清完瀏覽器痕跡便萬無一失，但這份清單由作業系統和語言包決定，跟著裝置走，與 IP 和 Cookie 毫無關係；換句話說，網絡層做得再乾淨，裝置層的特徵依然原封不動地交了出去。排查多帳戶環境時，這一層必須獨立核對。

MostMate 正是為這類問題而設的指紋瀏覽器，為每個帳戶準備一套獨立的瀏覽器環境。裝置層參數同樣納入管理範圍，語音便是其中一項。

語音指紋是甚麼？和錄音識別聲紋有何分別

語音指紋的原料是語音合成功能的設定資料，與麥克風收錄的聲紋是兩回事。

先把三個概念分開。語音合成指瀏覽器把文字轉成語音的能力，即網頁朗讀功能背後那套系統。語音清單指目前環境裡可供這套功能使用的聲音選項。按 MDN 文件的說明，呼叫 getVoices() 會傳回裝置上可用的語音物件清單。語音指紋則指網站把這份清單裡的特徵，當作識別環境的一類訊號。三者一層比一層具體。

和聲紋識別對比一下就清楚。聲紋要錄音、要授權、要真的發出聲音。語音指紋全程無聲、無須授權。網站讀到的是選單，不是聲音。分別就在這裡，也是它容易被忽視的原因：沒有彈窗、沒有知覺，資料已經交出去了。

SpeechSynthesis 怎樣把語音清單交給網站？

網站的讀取入口是 speechSynthesis.getVoices()，一次呼叫就能取得完整清單。

每個語音物件帶有五個欄位，含義見下表：

名稱往往只是一個人名，voiceURI 才攜帶底層資訊。以 Firefox 在 macOS 上的傳回為例，取值形如 urn:moz-tts:osx: 加一串系統內部標識。系統私有的語音註冊資訊，就這樣透過公開介面交了出去。

還有一處細節影響讀取結果。Chrome、Edge、Firefox 裡首次呼叫常傳回空陣列，語音要等 voiceschanged 事件觸發後才填充完整。載入時機本身也是訊號。有的瀏覽器立即觸發，有的延遲，有的已載入完便不再觸發。這個介面在 Web Speech API 規格裡至今仍屬草案狀態，行為細節以各瀏覽器實作為準。

語音清單會暴露哪四類環境特徵？

單一語音名稱說明不了甚麼，清單的組合方式才有區分度。

第一類：作業系統與裝置線索。 語音由系統語音服務提供。Windows 上常見 Microsoft David、Zira 這類名字；macOS 上常見 Samantha、Daniel。Android 手機上是 Google 語音服務的一套。Linux 桌面如果沒裝語音服務，清單常常是空的。

第二類：語言與地區設定。 lang 標籤的組合反映這部機器裝過哪些語言包。一份同時帶日語、阿拉伯語、印地語語音的清單，等於把多語言使用背景報給了網站。用戶自己都未必記得。

第三類：瀏覽器實作差異。 Chrome 會在系統語音之上疊加 Google 的雲端語音。localService 一項，能區分本機合成與連網服務。同一部機器，Chrome 和 Firefox 傳回的清單構成可能不同。

第四類：預設值與整體組合。 數量、順序、語言標籤、預設語音拼在一起，構成區分度相當高的環境訊號。再補一句邊界：它只是線索之一，網站要綜合多類訊號才下結論。一份語音清單認不出具體的人。

語音指紋和 AudioContext、Canvas 指紋有甚麼分別？

三者經常被一併提起，但觀察對象完全不同。先看對照：

語音清單枚舉和音訊渲染是兩條路徑。一個讀靜態清單，一個算動態結果，兩者不能混為一談。AudioContext 指紋一篇講的是後一條路徑的原理與設定。字體指紋則和語音清單同屬靜態清單一類，都是裝置裝了甚麼的直接讀數。

怎樣檢查瀏覽器暴露了哪些語音資訊？

檢查只需要開發者工具，五分鐘能拿到網站能看到的那份清單。

1. 開啟開發者工具的 Console，輸入 speechSynthesis.getVoices() 並按 Enter，看傳回內容。
2. 展開清單裡的語音物件，記錄 name、lang、localService、voiceURI 的取值。
3. 重新整理頁面後立刻再查一次，對比首次是否為空陣列，確認非同步載入行為。
4. 轉另一部電腦或另一個系統重複步驟，觀察差異來自系統語音服務還是瀏覽器實作。
5. 掛上代理再查一遍，清單通常不變，正好驗證它是裝置層訊號。

解讀結果有兩點分寸。清單為空不代表沒有語音指紋，空本身也是一條資訊。無語音服務的 Linux 和部分自動化環境，常傳回空陣列。清單長也不代表更容易被認出。判斷要看整體環境是否自洽，而不是數單項參數的多少。

MostMate 怎樣管理語音環境特徵？

語音清單屬於裝置層參數，指紋瀏覽器對它的處理方式是納入環境設定，而不是放任不管。

在 MostMate 建立或編輯環境的「指紋設定」裡，SpeechVoices 是一項獨立參數，與 Canvas、AudioContext、ClientRects、WebGL 圖像並列。檔位有 Real 與 Noise 兩檔，Noise 即噪音模式。

選 Noise 後，右側指紋預覽面板的 SpeechVoices 一欄會顯示帶六位代號的取值。Canvas、AudioContext 各有各的代號，互不通用。代號是噪音設定的標識，實際暴露的雜湊值要開啟環境訪問檢測頁查看。

語音參數不孤立調。環境的作業系統、語言、時區決定了語音清單應該長甚麼樣。Windows 環境配出一套 macOS 語音，就是明顯矛盾。調整次序建議先定系統與代理，再核對語音這類裝置層參數。這比逐項亂試可靠。

需要逐項控制時，可以按官網手動指紋設定清單逐項調。想節省設定時間，建立環境時用推薦設定封裝這批參數，之後再針對個別項複核。也要說明邊界。指紋瀏覽器管理的是環境設定，不能保證網站無法識別環境，也不能保證帳戶不觸發平台驗證。帳戶本身仍要遵守平台規則。

常見問題

語音指紋會錄我的聲音嗎？

不會。整個讀取過程不碰麥克風、不播放音訊。

為何兩部電腦的語音清單不一樣？

語音由作業系統、語言包和語音服務決定。Windows 與 macOS 的內置語音不同，裝過的語言包不同，瀏覽器疊加的雲端語音也不同。清單自然對不上。

語音清單為空，是不是就沒有語音指紋？

空清單本身也是一條資訊。沒有語音服務的 Linux、部分自動化環境常傳回空陣列。對網站來說這是一種異常特徵，不能當作隱身。

語音指紋和 AudioContext 指紋是同一回事嗎？

不是一類。語音指紋讀靜態的設定清單，AudioContext 算動態的音訊處理結果。檢測路徑不同，排查環境時要分開核對。

MostMate 可以單獨修改 SpeechSynthesis 語音清單嗎？

產品裡對應指紋設定的 SpeechVoices 參數，Real 與 Noise 兩檔，能調到甚麼粒度以用戶端介面為準。設定後建議開啟環境訪問檢測頁，核對實際暴露的清單。

結語

語音指紋的本質，是把這部裝置裝了甚麼交給網站。它不錄音、不要權限，卻跟著作業系統走。IP 換了，它也不動。所以很多常見做法就講得通：只清 Cookie、只換代理，環境對不上時，裝置層參數要一併對齊。

產品側，MostMate 把 SpeechVoices 連同 Canvas、AudioContext 一併放進指紋設定。控制檔位是 Real 與 Noise 兩檔。其他功能的全貌，可以到 MostMate 官網自己過一遍。

想看自己的環境現在暴露了甚麼，按第五節的步驟查一遍語音清單，也可以下載 MostMate建一個環境做對比。