Por qué 21YunBox Presupuesto Contacto Iniciar sesión
Asesoría (EN) Probar un sitio web para China (EN)

¿Funciona Google Cloud Speech-to-Text en China? Transferencia transfronteriza según la PIPL, biometría de la huella de voz y residencia de datos

El audio que envía a Google Cloud Speech-to-Text para transcribirlo lleva la huella de voz de quien habla — información personal biométrica sensible del artículo 28 que no se puede anonimizar — y Google no opera ninguna región en China continental, así que ese audio se procesa en el extranjero: una transferencia transfronteriza según la PIPL. Una mirada, con el cumplimiento por delante, a la huella de voz, la residencia de datos, la retención y la vía legal de voz dentro del país.

¿Funciona Google Cloud Speech-to-Text en China?

La grabación que envía a Google Cloud Speech-to-Text para transcribirla es la huella de voz de quien habla — información personal biométrica sensible del artículo 28 — y, como Google no opera ninguna región en China continental, cada solicitud procesa ese audio en el extranjero.

Speech-to-Text convierte audio en texto, pero el propio audio lleva un identificador biométrico más todo lo que se dijo — grabaciones de llamadas, mensajes de voz, notas dictadas —, así que enviar audio de origen chino a los servidores de Google en el extranjero es una transferencia transfronteriza según la PIPL de información personal sensible (artículo 28) que redactar de nuevo la transcripción no puede deshacer. Por defecto, Google no registra ni entrena con su audio, pero un programa voluntario de registro de datos sí lo hace — un ajuste que usted desactiva para el audio de China. La palanca legal es mantener dentro del país el procesamiento del audio de China — un contenedor de voz autoalojado/on-premise o un servicio de voz nacional con licencia —, con el consentimiento separado del artículo 28 y una PIPIA, no hacer accesible el endpoint en el extranjero.

Un mapa de riesgo, no un veredicto — concrete los detalles con asesoría legal. Nuestro equipo de China puede cartografiar su exposición →

Instantánea de cumplimiento

  • ✕ Google Cloud no tiene región en China continental; su audio se transcribe en servidores en el extranjero
  • ! El audio es la huella de voz de quien habla — dato biométrico sensible del art. 28 de la PIPL, que no se puede anonimizar
  • ! Enviar ese audio al extranjero es una transferencia transfronteriza según la PIPL (arts. 38–40, 数据出境)
  • ! Por defecto Google no entrena con su audio, pero un programa voluntario de registro sí lo hace
  • ! El CSL art. 39 (antes 37) añade el almacenamiento dentro del país para un operador de infraestructuras críticas o un tratante de grandes volúmenes
  • ✓ Vía legal: voz dentro del país (autoalojada o nacional con licencia) + consentimiento del art. 28 + ICP
Solicitar una evaluación de cumplimiento
Cartografiamos la exposición, localizamos en una vía de voz dentro del país y la entregamos con registro ICP

Lo que la documentación oficial de Google Cloud Speech-to-Text dice sobre China

HechoFuente primaria
Google Cloud Speech-to-Text no tiene región en China continental — el audio se procesa fuera de China continental. La documentación de Google solo ofrece “US and EU regional API endpoints,” donde “your data at-rest and in-use will stay within the continental boundaries of Europe or the USA,” y la API V2 añade regiones “such as Belgium or Singapore.” Google no opera ninguna región de nube en el continente chino (las más cercanas son asia-east1, en Taiwán, y asia-east2, en Hong Kong, ambas fuera del continente) — ni ninguna partición china como las que operan otras nubes. Google Cloud — Speech-to-Text supported regional endpoints (cloud.google.com), consultado el 2026-10-10
Por defecto, Google no registra ni entrena con su audio — pero un programa voluntario sí lo hace. Google afirma “By default, Cloud Speech-to-Text does not log customer audio data or transcripts”; su programa voluntario de registro de datos, en cambio, permite que “Google ... use this data solely to train and improve Google products and services.” Para el audio de origen chino, mantenga desactivado el registro para que las grabaciones y las transcripciones no se conserven ni se usen para entrenar en el extranjero. Google Cloud — Speech-to-Text data logging (cloud.google.com), consultado el 2026-10-10
Existe una versión en contenedor on-premise — pero es una función privada, condicionada a ventas. Google ofrece Cloud Speech-to-Text On-Prem, “a Google Cloud Marketplace application” que “can be deployed as a container to any GKE cluster” y se ejecuta “on-premises with Anthos.” La propia página de Google indica “you must contact Google for full access,” así que una vía autoalojada dentro del país es posible, pero la disponibilidad y las condiciones se confirman con Google en lugar de activarse con un interruptor. Google Cloud — Cloud Speech-to-Text On-Prem overview (cloud.google.com), consultado el 2026-10-10
Una huella de voz es información personal biométrica sensible según el artículo 28 de la PIPL. Transcribir en el extranjero el audio de un hablante chino es una transferencia transfronteriza según los artículos 38–40 de la PIPL (notificación, un consentimiento separado y un mecanismo de transferencia), mientras que la huella de voz de ese audio es información personal sensible según el artículo 28 — que exige un consentimiento específico separado y una evaluación previa de impacto (PIPIA) de los que no puede escapar redactando de nuevo el texto. Ley de Protección de Información Personal de la RPC, artículos 28 y 38–40 (cac.gov.cn), consultado el 2026-10-10

Fuentes verificadas por el Equipo de Cumplimiento de 21YunBox el 10 de octubre de 2026.

Para una audiencia de China continental, la cuestión que hay que resolver sobre Google Cloud Speech-to-Text no es si se puede llegar a la API — es qué ocurre con el audio que le envía. Speech-to-Text es un servicio de transcripción: entra el audio de alguien hablando y sale texto. Pero una grabación es más que sus palabras. Una voz humana es un identificador biométrico — una huella de voz — y, según la Ley de Protección de Información Personal de China, una huella de voz es información personal sensible (artículo 28) que no se puede anonimizar redactando de nuevo la transcripción. El contenido hablado — llamadas de soporte, mensajes de voz, notas médicas o jurídicas dictadas — suele ser sensible por sí mismo. Google no opera ninguna región en China continental, así que cada solicitud se procesa en sus servidores en el extranjero. Por tanto, se aplican tres deberes a la vez: una transferencia transfronteriza según la PIPL (artículos 38–40), el listón de consentimiento y evaluación de los datos biométricos sensibles (artículo 28) y la residencia del contenido para un operador de infraestructuras de información críticas o un tratante de grandes volúmenes.

Documentación de Google Cloud Speech-to-Text sobre el registro de datos, que indica que, por defecto, Cloud Speech-to-Text no registra el audio ni las transcripciones de los clientes, y que un programa voluntario de registro de datos permite a Google usar los datos registrados para entrenar y mejorar sus productos
La propia documentación de Speech-to-Text de Google: “By default, Cloud Speech-to-Text does not log customer audio data or transcripts.” (por defecto, no registra el audio ni las transcripciones de los clientes). La misma página describe un programa voluntario de registro de datos, en el que “Google uses this data solely to train and improve Google products and services” (Google usa estos datos únicamente para entrenar y mejorar sus productos y servicios) — una opción de retención y entrenamiento que usted mantiene desactivada para el audio de China, en servidores situados fuera del continente. Fuente: Google Cloud — Speech-to-Text data logging

Google Cloud Speech-to-Text en China de un vistazo

Qué lo decide En los propios términos de Google Cloud Speech-to-Text — y la ley china
Qué envía Speech-to-Text toma el audio de una persona hablando y devuelve texto. Cada llamada sube la grabación en bruto — la huella de voz de quien habla (un identificador biométrico) más todo lo que se dijo. Una transcripción se puede redactar de nuevo; una voz no se puede anonimizar.
Adónde va Google no opera ninguna región en China continental. Su documentación solo ofrece endpoints regionales de EE. UU. y de la UE (y regiones “such as Belgium or Singapore”, como Bélgica o Singapur); los centros de datos más cercanos son asia-east1 (Taiwan) y asia-east2 (Hong Kong), ambos fuera del continente. Enviar allí audio de origen chino es una transferencia transfronteriza de información personal (PIPL artículos 38–40, 数据出境).
Una huella de voz es un dato sensible Según el artículo 28 de la PIPL, las características biométricas — incluida la huella de voz — son información personal sensible. Tratarlas y exportarlas requiere un consentimiento específico separado y una evaluación previa de impacto en la protección de la información personal (PIPIA). El contenido hablado puede añadir otras categorías sensibles (salud, finanzas, identidad).
Retención, entrenamiento y residencia Por defecto, Google “does not log customer audio data or transcripts,” pero un programa voluntario de registro de datos le permite usar el audio registrado para “train and improve Google products and services” — manténgalo desactivado para el audio de China. Existe una versión en contenedor on-premise (Cloud Speech-to-Text On-Prem, una función privada). Para un operador de infraestructuras críticas o un tratante de grandes volúmenes, el artículo 39 de la Ley de Ciberseguridad (antes artículo 37) añade el almacenamiento dentro del país.
El eje La accesibilidad no es la cuestión. La palanca legal es mantener dentro del país el procesamiento del audio de origen chino — un contenedor de voz autoalojado/on-premise o un servicio de voz nacional con licencia —, con el consentimiento del artículo 28, no hacer más rápido el endpoint en el extranjero. La aplicación orientada a China que captura el audio también tiene un deber de registro ICP y necesita una entrega dentro del país.

Lo que envía realmente — las huellas de voz y las palabras de quienes hablan

Speech-to-Text es un servicio de transcripción: usted transmite o sube audio a un endpoint de Google y recibe texto. El resultado es texto, lo que hace fácil suponer que la cuestión de privacidad trata de la transcripción. No es así. Lo que viaja en cada solicitud es la grabación — y una grabación de una persona hablando es un identificador biométrico de esa persona. Una transcripción se puede redactar de nuevo; una huella de voz no se puede desdecir. Sobre la huella de voz viaja el propio contenido: una llamada de atención al cliente, un mensaje de voz, el dictado de un médico, una declaración jurada, una reunión interna — categorías que suelen ser sensibles antes incluso de llegar a la cuestión biométrica.

¿Adónde va ese audio? Google procesa Speech-to-Text en regiones de Google Cloud, y no tiene ninguna región en el continente chino. Su propia documentación ofrece “US and EU regional API endpoints,” donde “your data at-rest and in-use will stay within the continental boundaries of Europe or the USA,” (sus datos en reposo y en uso permanecerán dentro de los límites continentales de Europa o de EE. UU.), y la API V2 añade procesamiento regionalizado en regiones “such as Belgium or Singapore.” Elija cualquiera de ellas para atender a un usuario en China y el audio sale del país. En cuanto a la retención, la postura de Google es favorable pero condicional: “By default, Cloud Speech-to-Text does not log customer audio data or transcripts,” pero también opera un programa voluntario de registro de datos en el que “Google uses this data solely to train and improve Google products and services.” Para el audio de origen chino, ese programa es un interruptor que usted mantiene apagado — pero mantenerlo apagado no cambia el hecho de que el propio procesamiento ocurre en el extranjero.

Es una transferencia transfronteriza de datos biométricos sensibles — según la PIPL

Como el audio se procesa fuera del continente, enviar la grabación de un hablante chino a Speech-to-Text es una transferencia transfronteriza de información personal según la Ley de Protección de Información Personal de China. Los artículos 38–40 de la PIPL le atribuyen el deber a usted, el responsable del tratamiento — no a Google —, y exigen notificación, un consentimiento separado, distinto del acuerdo del usuario para usar la función, y un mecanismo de transferencia legal: una evaluación de seguridad de la CAC, el contrato estándar de la CAC o una certificación.

La huella de voz eleva aún más el listón. Según el artículo 28 de la PIPL, las características biométricas son información personal sensible, y su tratamiento exige un consentimiento específico separado y una evaluación previa de impacto en la protección de la información personal (PIPIA) antes de que los datos se traten o se transfieran. Una grabación de voz es biométrica por naturaleza; quitar los nombres de la transcripción no cambia lo que es el audio. Cuando el contenido hablado es en sí información de salud, financiera o de identidad, se suman deberes adicionales de categorías sensibles.

Por debajo está la residencia. Un operador de infraestructuras de información críticas, o un tratante por encima de los umbrales de volumen, debe almacenar dentro del continente la información personal recogida en China — el artículo 40 de la PIPL junto con la Ley de Ciberseguridad (artículo 39 en la reforma en vigor desde el 1 de enero de 2026, que renumeró el artículo de localización de datos del 37 al 39 sin cambios de fondo) —, un deber que una región en el extranjero no puede cumplir por su propia estructura. Cuando los volúmenes o la sensibilidad superan los umbrales, la propia exportación necesita una evaluación de seguridad de la exportación de datos de la CAC antes de poder realizarse. Nada de esto trata de lo rápido que vuelve una transcripción.

Llegar a la API no es la cuestión — mantener el audio dentro del país sí lo es

La palanca no es hacer más rápido o más accesible el endpoint en el extranjero; es dejar de exportar el audio de origen chino y procesarlo en una vía dentro del país y con consentimiento. Para la conversión de voz a texto hay dos opciones honestas dentro del país. Primero, Google publica su propia versión on-premise: Cloud Speech-to-Text On-Prem, “a Google Cloud Marketplace application” que “can be deployed as a container to any GKE cluster” y se ejecuta “on-premises with Anthos” — así que el reconocimiento puede ejecutarse en infraestructura que usted sitúe dentro del continente en lugar de llamar a las regiones de Google en el extranjero. Es una función privada; la propia página de Google indica “you must contact Google for full access,” así que trate la disponibilidad y las condiciones como algo que debe confirmar directamente con Google, no como un interruptor de autoservicio. Segundo, cuando esa vía no esté a su alcance, encamine el audio de origen chino a través de un servicio de voz con licencia dentro del país — un proveedor de voz nacional con los datos mantenidos en el continente.

En cualquier caso, los deberes viajan con el audio: obtenga el consentimiento separado del artículo 28, realice la PIPIA, mantenga desactivado el programa voluntario de registro de datos para que ninguna grabación de China se conserve ni se use para entrenar, y minimice lo que captura. Lo que no se hace es construir un conducto que envíe el audio al extranjero y llamarlo local. Esto es un mapa de riesgo, no un veredicto — concrete los detalles, qué vía, qué consentimiento, qué umbrales, con asesoría legal.

Existe una forma legal de ofrecer la conversión de voz a texto a sus usuarios en China, y tiene una forma clara: el audio de origen chino se procesa desde dentro del país sobre una base consentida, la huella de voz se trata como el dato sensible que es, y la aplicación orientada a China que captura el audio está a su vez registrada y se entrega dentro del país. La parte que asume 21YunBox es esa base, y es más que asesoramiento. Nuestro equipo de China hace tres cosas. Cartografiamos qué audio fluye hacia el servicio de voz — de quién son las huellas de voz y qué contenido hablado lleva, dónde se procesa y si se conserva o se usa para entrenar, y dónde le falta una base legal (el consentimiento separado del artículo 28 y la PIPIA, un mecanismo de transferencia). Localizamos el procesamiento en una vía dentro del país — un contenedor de voz autoalojado u on-premise, o un servicio de voz nacional con licencia —, para que el audio de China permanezca en el continente en lugar de exportarse, con el consentimiento y la retención bien gestionados. Y entregamos la aplicación orientada a China que captura y muestra el audio sobre infraestructura dentro del país con registro ICP — el 21YunBox Optimizer —, por delante del stack que ya utiliza, sin reconstruir y sin cambiar de plataforma.

El resultado es una función de voz que funciona de forma legal y conforme para sus usuarios en China. 21YunBox nunca utiliza ni recomienda ninguna forma de elusión. Es un despliegue legal dentro del país, con residencia de datos, y cuando un servicio no se ofrece en el continente lo localizamos en un equivalente nacional con licencia en lugar de recurrir al extranjero.

Solicitar una evaluación de cumplimiento →


Lectura relacionada:

Preguntas frecuentes

¿Tiene Google Cloud Speech-to-Text un centro de datos o una región en China continental?

No. Google procesa Speech-to-Text en regiones de Google Cloud y no opera ninguna región en el continente chino — su documentación solo ofrece endpoints regionales de EE. UU. y de la UE y regiones “such as Belgium or Singapore,” y los centros de datos más cercanos, asia-east1 (Taiwán) y asia-east2 (Hong Kong), están fuera del continente. A diferencia de las nubes que operan una partición china, no existe un Google Cloud en el continente. Así que el audio capturado de personas en China y enviado a Speech-to-Text sale del país — una transferencia transfronteriza según la PIPL para la que necesita una base legal.

¿Usa Google mi audio de Speech-to-Text para entrenar sus modelos?

Por defecto, no: Google afirma “By default, Cloud Speech-to-Text does not log customer audio data or transcripts.” Sí opera un programa voluntario de registro de datos y, cuando usted se adhiere, “Google uses this data solely to train and improve Google products and services” (y conserva la propiedad de los modelos entrenados con ellos). Para el audio de origen chino, mantenga desactivado ese programa. En cualquier caso, el procesamiento ocurre en servidores en el extranjero, así que desactivar el registro reduce la retención, pero no elimina la cuestión de la transferencia transfronteriza.

¿Cuál es la forma legal de transcribir audio de China continental?

Mantener el procesamiento dentro del país en lugar de exportar el audio. Dos opciones honestas: autoalojar un modelo de voz dentro de China — el propio contenedor Cloud Speech-to-Text On-Prem de Google (una función privada que se acuerda con Google) o un modelo abierto que usted ejecute en infraestructura dentro del país — o encaminar el audio a través de un servicio de voz nacional con licencia, con los datos mantenidos en el continente. Además, obtenga el consentimiento separado del artículo 28, realice una PIPIA, y registre y entregue (ICP) la aplicación orientada a China que captura el audio. 21YunBox cartografía la exposición, localiza en una vía dentro del país y la entrega dentro del país — y nunca utiliza ni recomienda ninguna forma de elusión. Confirme los detalles con su asesoría legal.

Artículos sobre Google Cloud Speech-to-Text