聲譜圖變事故錄音：AI 重建聲音揭開公開文件 redaction 新風險

圖：Ars Technica．原文連結

一張看似只是技術附件的聲譜圖，今次令美國國家運輸安全委員會 NTSB 急煞公開資料流程。Ars Technica 報道，網上有人利用公開調查文件入面的聲音頻譜圖片，再配合軟件同 AI 工具，近似重建一宗致命 UPS 貨機事故最後一刻的駕駛艙聲音。TechLab 不會轉載或連結相關重建音訊，因為重點不是獵奇，而是公開資料原來可以比發布者以為的「多講」好多。

事件涉及 UPS Flight 2976，該架 MD-11F 貨機在 2025 年 11 月 4 日由肯塔基州路易維爾起飛後不久墜毀。NTSB 官方資料顯示，事故仍在調查，5 月 19 至 20 日曾舉行兩日公開調查聆訊。NTSB 在 5 月 21 日的 docket status 聲明指，因為公開材料中的 sound spectrum imagery 可被人用圖像識別同計算方法近似重建駕駛艙錄音，該局要檢視資料範圍同解決方案。這不是完整還原原始錄音，但已足以觸碰航空事故調查最敏感的一條界線：死者最後聲音不應成為網上流量素材。

聲譜圖唔係安全截圖

駕駛艙語音記錄器 CVR 會收錄機組通話、無線電通訊、警報聲、引擎聲同其他駕駛艙環境聲音。NTSB 一向可以公開相關文字謄本中對調查有用的部分，但不會公開原始錄音；官方 CVR/FDR 說明亦清楚寫明，錄音因為牽涉高度敏感的駕駛艙對話，需要特別保護。今次問題是，NTSB 公開的 PDF 不只是文字謄本，還包括最後約 30 秒聲音的聲譜圖。對一般人來講那是一張圖，對懂聲音處理的人來講，那是一組時間、頻率同強度線索。

聲譜圖的概念其實不神秘：橫軸通常是時間，縱軸是頻率，顏色或深淺代表某個頻率在某一刻有幾強。它不是普通照片，而是聲音經短時傅立葉轉換之後的視覺化結果；雖然相位等資料通常已經缺失，但幅度資訊仍然可以提供重建線索。Aalto 大學的 speech processing 教材解釋 Griffin-Lim 類方法時就指出，這類算法可由 magnitude spectrogram 估算相位，再反覆逼近一個可播放的時域訊號。換句話講，聲譜圖不是密碼鎖，而是被壓平後仍有大量結構的資料。

所以今次不應被理解成 AI 魔法「無中生有」還原錄音。更準確的講法，是舊有訊號處理方法、公開 Python 實作、圖像讀取工具同現代 AI coding assistant 一齊把門檻拉低。以前要懂 DSP、STFT、相位重建同程式實作，今日有人可以叫 AI 幫手寫流程、試參數、修錯，將本來屬於專門技術的工序壓縮成短時間實驗。重建出來的聲音會受圖像解析度、坐標標示、色階、PDF 壓縮、截圖處理同算法假設影響，不等於原始 CVR 音檔；但只要語音輪廓、節奏同部分音色足夠似，私隱同倫理傷害已經發生。

法律保護撞上可逆資料

美國 49 U.S.C. §1114 對駕駛艙錄音有明確保密安排，核心原因是保護機組私隱，同時維持調查制度的信任。Ars 引述前 NTSB 調查員 Ben Berman 的看法，指機師每日在工作地方被錄音，法律限制公開最後聲音，是讓他們接受這套安全制度的重要條件。NTSB 的聆聽同謄寫程序亦相當嚴格：通常只限少數相關人員，手提電話不能帶入，紀錄同謄本也按規定處理。今次重點不是有人破解了 NTSB 的音檔庫，而是公開文件在技術上等同外洩了可逆的中間材料。

這亦令公開資料政策出現矛盾。一方面，事故調查需要透明，公眾、家屬、業界同研究者都要知道證據基礎，航空安全進步亦靠公開事實；另一方面，資料一旦上網，就會被今日同未來的工具重新解讀。尤其美國 2024 年 FAA reauthorization 亦要求 NTSB 推動公開 docket 電子化，方向本身是提升可查閱性。但當「公開」碰上可逆圖像、可讀取 metadata、高解析附件同 AI 轉換工具，舊式 redaction 檢查就未必夠用。遮走音檔不代表遮走聲音，刪走一段文字不代表刪走可推斷內容。

deepfake 由娛樂走入合規風險

聲音重建同聲音 cloning 不是同一樣技術，但它們指向同一個行業趨勢：聲音已經變成可收集、可建模、可模仿、可濫用的身份材料。以前大家講 deepfake，多數諗起假影片或者名人聲音；今日企業會議錄影、網上講座、客服通話、Podcast、校園活動片段，都可能成為訓練或合成材料。香港其實已經有現實教訓：保安局 2024 年 6 月回覆立法會時提到，警方調查一宗 2024 年 1 月個案，相信騙徒利用網上公開影片同聲音製作預錄 deepfake 會議，令一名職員授權轉帳約港幣 2 億元。

差別在於，傳統 deepfake 多數由大量公開素材出發，今次則是由一張技術分析圖反推敏感媒體。這對傳媒、研究機構同企業合規 team 是更麻煩的警號，因為資料風險不再只在「人面有冇遮好」、「名有冇打格」、「電話號碼有冇刪走」。一張波形圖、一幅聲譜圖、一段螢幕錄影、一份含圖層的 PDF、一張沒有清理 metadata 的相，都可能保留機器可讀的痕跡。AI 工具令這些痕跡更易被普通技術用家轉成可理解、可播放、可搜尋的內容。

香港點樣對號入座

香港沒有直接牽涉今次 NTSB 事故，也沒有相關港行產品或本地政策更新。不過本地公司、學校、政府部門、醫療及研究機構，日常都會公開 PDF、報告截圖、教學材料、事故簡報、會議錄音分析圖同活動相片。私隱專員公署的生物特徵資料指引已將 voice pattern 列為行為生物特徵例子，並提醒生物特徵資料一旦外洩，可能導致重新識別、冒認甚至歧視。到 2025 年的 AI deepfake 工具包，公署亦明確提到 deepfake 可利用相片、影片同聲音中的個人資料模仿人臉、聲音或動作。

因此，本地機構公開敏感媒體前，不能再只問「有冇放原檔」。較實際的檢查應該包括：

• 將聲音、波形圖、聲譜圖、高解析截圖同原始 PDF 圖層，全部當敏感媒體處理。
• 需要示範趨勢時，改用重新製作、低解析、抽象化的圖表，而不是直接截取分析軟件輸出。
• 上載前做逆向測試：嘗試由公開版本抽取 metadata、圖像資料、文字層、音訊特徵，確認不能還原敏感內容。
• 涉及學生、員工、病人、事故受害者或投訴人的材料，設定存取權限、保留期限同刪除程序。
• 事故、紀律或安全調查盡量公開必要謄本同摘要，不鼓勵轉載、嵌入或二次加工任何重建音訊。

最重要是改變心態：redaction 不是在發布前畫幾個黑格，而是一個威脅模型問題。要問的不是「肉眼見唔見到」，而是「機器還原唔還原到」、「其他公開資料配合之後可唔可以重新識別」、「未來工具進步後會唔會變得可逆」。對學校來講，這關乎學生相片、演講聲音同活動錄影；對公司來講，這關乎會議錄音、客服聲紋、內部調查附件；對政府同公營機構來講，這關乎公開透明同個人私隱之間的最小必要披露。

NTSB 今次的處理未必完美，因為事故 docket 對航空安全研究有重要公共價值，整個系統一度不可用亦會影響查證。不過它揭示的問題很實在：透明不等於原始資料全開，公開亦不等於把所有中間工件放上網。AI 時代的文件公開，要由「刪走明顯個人資料」升級到「避免發布可逆敏感訊號」。一張圖可以變回聲音，這件事本身已經足夠提醒所有處理公開資料的人，下一次出報告前要多走一步。

參考來源

• Ars Technica — US scrambles to stop Internet users re-creating dead pilots’ voices — original report
• NTSB Docket Status — 官方聲明，確認 NTSB 因 sound spectrum imagery 可被用作近似重建 CVR audio 而檢視 docket 系統。
• UPS Flight 2976 Crash During Takeoff — NTSB 事故頁，核對 UPS Flight 2976 事故日期、地點、機型、調查狀態同基本傷亡背景。
• Cockpit Voice Recorders (CVR) and Flight Data Recorders (FDR) — NTSB 官方背景資料，說明 CVR 會記錄甚麼、謄本如何公開，以及為何不公開原始駕駛艙錄音。
• 49 U.S. Code § 1114 - Disclosure, availability, and use of information — 美國相關法例文字，核對駕駛艙錄音、謄本同個人識別資料公開限制。
• The Griffin-Lim algorithm: Signal estimation from modified short-time Fourier transform — 技術背景，解釋如何由 magnitude spectrogram 估算相位並重建可播放聲音，以及重建的限制。
• Guidance on Collection and Use of Biometric Data — 香港私隱專員公署指引，確認 voice pattern 屬行為生物特徵例子，並說明生物特徵資料外洩風險。
• LCQ9: Combating frauds involving deepfake — 香港官方回覆，提供本地 deepfake 詐騙背景，包括利用公開影片及聲音製作預錄會議的案例。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。