Kunsmatige Beleid Deursigtigheid
Watter Kunsmatige inteligensie gebruik ons, waar dit loop, en hoe ons voldoen aan onthullingsvereistes (EU-KIwet Artikel 50, doeltreffende 2026- 08- 02).
TL;DR
- Alle transkripsie word Kunsmatigel- printed. Elke afvoer het 'n masjienleesbare onthulling.
- Alle KI loop op ons eie GPU. Ons stuur nie jou oudio- of teks na OpenAI, Anthropic, Google, of enige derde deel van LMM API nie.
- Ons lei nie enige model op op julle transkripsie nie. Elke model wat ons hardloop is 'n af-die-sef open-se-source model. Korrektiewe maak jy direk versamel word slegs as jy verkies.
- Sintetiese stem klone (TTS) word duidelik gemerk as 'n kunsmatige hulpmiddel in 'n lêernaam, metadata en op die bladsy.
Modelle wat ons gebruik
| Model | Gebruik word vir | Lisensie | Hardloop op |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | Oordrag (verstek) | MIT | Ons GPU |
| Whisper large-v3 (faster-whisper) — branded “STT.ai Enhanced” | Oordrag (betaalde planne) | MIT | Ons GPU |
| Vosk | Real-time woord stroom | Apache 2.0 | Ons GPU |
| SpeechBrain ECAPA-TDNN | Luidspreker ontarisering | Apache 2.0 | Ons GPU |
| MadLAD-400 3B | Vertaling (C 450+ tale) | Apache 2.0 | Ons GPU |
| Qwen2.5-1.5B (llama.cpp) | Opsomming, ontleding, inhoud geslag, RAG-gesprek | Apache 2.0 | Ons GPU |
| Chatterbox (Resemble AI) | Stem kloning / teks- to-sech | MIT | Ons GPU |
| all-MiniLM-L6-v2 | Inlegbare vir RG soektogName | Apache 2.0 | Ons GPU |
“STT.ai Enhanced” is our product name for Whisper large-v3 running on our own GPU. It is not a custom model, a fine-tune, or proprietary weights — it is the largest and most accurate Whisper checkpoint. It is more accurate than the default Whisper large-v3-turbo, and about 1.5x slower on a diarized job, measured on our own hardware.
Ons noem nie OpenAI, Antropic, Google Wolk of enige derde deel van LMM API vir enige kenmerk nie. Elke model hierbo loop op hardeware wat ons besit en bedryf. Die enigste eksterne kunsmatige KI-diens wat ons gebruik, is vertaalpi.ai (ook Muddy Hous) vir die vertaling van UI stringe ooit aan jou skryfinhoud.
Hoe ons 'n kunsmatige klomp mense bekend maak
- Transscription: sluit <meta naam=\ in
- Teks voer uit (TXT, SRT, VTTT, JSON, CSV, DOS, PDF): 'n'AI-geskrapte' opskrif lyn bo in elke lêer.
- Sintetiese stem / TTS-afvoer: WAV-lêers sluit 'n'sintetiese-stem etiket in metadata en 'n duidelike kennisgewing op die aflaai bladsy in. Audible disclamer is op die padkaart.
- API antwoord: bevat 'n _fout: ware veld in elke JSON - reaksie wat getransporteerde inhoud bevat.
Oefening data
- Basis modelle (Whisper, MadLAD, Qwen, ens.) kom vooraf opgelei van hulle onderskeie verkondigers. Ons gebruik dit as-skip.
- Jou transkripsie word nie gebruik om basismodelle op te lei nie.
- As jy 'n transkripsie-aanvoegstel (die potloodikoon) regsit of dit verkeerd merk (die vlagikoon) en jy gekies het in /privasities/ ("Model Trainrigting" skakel, verstek af), die (onkorreak teks → gekorrigeer teks) paar dalk mag wees versamel na die opleiding van 'n toekomstige teks-korktoriteit model. Slegs die teks paar ubel nooit die omliggende oudio likanie word gebruik deur hierdie gids. Nee, bestaan vandag: die paar is slegs gestoor, en niks tans is opgelei nie.
- Afsonderlik, die Bydrae regstellings plus klank na stem Lab wissel (ook by /privacy-settings/, asook verstek af) kies jy in om by te dra die oudio van dele wat jy reg het, paar met die gekorrige teks, na ons stem Lab datastel onder CC-BY-SA-4. 0. Die twee skakele is onafhanklike logist wat jy kan skenk beide, of nie.
- Audio jy oplaai binne 24 uur deur 'n uurlik skoonmaak werk, met twee uitsonderings wat slegs aansoek doen as jy hulle kies. As jy gekies het in die lys na "Contribute regstellings + klank na stem Lab" by /priva-settings/, die oudio is argief vir tot 90 dae sodat die daaglikse stem Lab kan sluk kan die gekorreskork; een keer na 90 dae, wat vroeër is), die klankbron word geskrap en opneem in die klankdae word nie gelug nie (of dit is vir 'neer nie). As jy in jou klank-aangetas word en jy in die klankdae as jy nie gelesteurkteer word nie, word nie, word nie, word nie, word nie gestuur nie gestuur nie, word nie, word nie gestuur nie. Die transkripsieteks volg die heropmerkingsbeleid van jou plan (ononymous 24h, gratis 30 dae, Pro+ permanent).
Akkuraatheid en foute
Kunsmatige transkripsie is nie volmaak nie. Woord foutkoerse verskil deur luidspreker aksent, klankgehalte, taal en domeinkeuse. Vir kritiese gebruik (wetaal, mediese, beheerde industrieë) bevestig teen die oorspronklike oudio. Ons openbare WER bankmerke per model is by /models/.
Nakomingsvrae
Vir EU-KI-wet, GDPR of ander nakomingsvrae: hello@stt.ai of gebruik die kontak vorm.
Laas opgedateer: 2026-08-05.