Flock CEO称麦克风仅识别枪声，官网说法却不同

Flock Safety 是一家为城市和社区提供车牌识别与音频监控技术的公司。最近，其 CEO Garrett Langley 在一场公开活动中声称，公司的麦克风设备「只检测枪声」，不会录制人声或其他环境声音。然而，Flock Safety 官网上的产品描述却给出了更宽泛的能力说明，这一矛盾引发了隐私倡导者和公众的新一轮质疑。

CEO 的「仅枪声」说法

据媒体报道，Garrett Langley 在回应外界对隐私问题的担忧时强调，Flock 的音频传感器被设计为仅识别枪声特征，不会捕捉正常对话或保留可识别的语音信息。这一表态旨在缓解公众对「持续监听」的恐惧，尤其是在美国公民自由联盟（ACLU）等组织加大审视力度的背景下。

Langley 的言论暗示，该技术类似于枪声检测系统，只在特定声学事件发生时触发警报，而非全天候录音。如果属实，这将大幅降低隐私侵犯的风险。

**枪声检测系统（Gunshot Detection System）**是一种通过声学传感器阵列识别枪声特征并定位枪击事件的技术，典型代表如 ShotSpotter。其工作原理是：传感器捕捉到脉冲声音后，系统比对声学指纹（如枪声的短促高频爆裂特征）来判断是否为枪声，并利用多个传感器的时间差计算声源位置。传统枪声检测系统在设计上也会采集环境音频片段用于人工复核，这曾引发隐私争议。因此，当 Flock 声称「仅检测枪声」时，公众自然会将其与这类系统做对比——关键问题不在于是否识别枪声，而在于设备是否同时保留或传输原始音频。

官网描述：更广泛的音频分析能力

然而，Flock Safety 官方网站对同一产品的介绍并未局限于「枪声」。根据官网内容，其音频设备能够分析多种声音事件，包括但不限于枪声、烟花、车辆碰撞等。部分页面甚至提到可检测「尖叫」或「玻璃破碎」等异常声响。

这种差异并非文字游戏。官网的措辞暗示设备具备更通用的音频分类能力，而非仅仅针对枪声这一单一事件。对于注重隐私的观察者来说，这意味着系统可能在更广的范围内采集和分析环境音频，即使不录制完整对话，也足以推断出大量敏感信息。

**音频事件分类（Audio Event Classification）**是指利用机器学习模型对环境声音进行自动归类，如识别枪声、尖叫、玻璃破碎、车辆碰撞等。这类系统通常先将音频转换为频谱图，再通过卷积神经网络等模型提取特征并分类。与语音识别不同，音频事件分类一般不转写对话内容，但仍需持续采集音频流以进行实时分析。这意味着即使不保留可识别语音，设备也可能在本地或云端处理大量环境声音，从而留下数据留存与二次利用的隐患。Flock 官网提到的多类声音检测，正是典型的音频事件分类应用。

隐私倡导者的担忧

ACLU 等隐私组织一直对 Flock 的技术部署持批评态度。他们担心，一旦音频监控设备被广泛安装，即使宣称「仅检测枪声」，技术上的可能性仍然存在被扩展或滥用的风险。

Langley 的评论出现在公众对 Flock 技术审查日益严格的时刻。多个城市的居民已经对当地政府与 Flock 的合作提出质疑，要求公开数据保留政策、访问权限以及第三方审计结果。

**美国公民自由联盟（ACLU）**是美国最具影响力的民权与隐私倡导组织之一，长期关注监控技术的滥用风险。在音频监控议题上，ACLU 的核心主张包括：要求明确的数据保留期限、禁止未经司法授权的音频采集、以及确保第三方独立审计。ACLU 曾对 ShotSpotter 等系统提出质疑，认为其可能扩大警方监控范围。对于 Flock Safety，ACLU 的担忧集中在：即使设备宣称仅检测特定声音，技术上的通用性仍可能被用于更广泛的音频分析，而缺乏透明度使得公众无法验证公司说法。

矛盾背后：技术能力与公关话术

CEO 的公开承诺与官网产品说明之间的出入，折射出科技公司在推广监控技术时常见的张力：一方面需要向公众保证隐私安全，另一方面又要在产品页面上展示足够强大的功能以吸引客户。

对于 Flock 而言，如果麦克风确实只检测枪声，那么官网应统一口径；如果官网描述更准确，那么 CEO 的「仅枪声」说法就涉嫌淡化实际监控范围。无论哪种情况，这种不一致都会削弱公众信任，并可能引来监管机构的进一步关注。

目前，Flock Safety 尚未就这一矛盾给出详细解释。隐私倡导者呼吁该公司提供独立的技术审计，以验证其音频处理的具体逻辑和数据留存策略。