AI নীতি আৰু স্বচ্ছতা
আমি কি ধৰণৰ এআই ব্যৱহাৰ কৰিছো, ক’ত ব্যৱহাৰ কৰিছো আৰু আমি কিদৰে প্ৰকাশৰ প্ৰয়োজনীয়তাসমূহ পূৰণ কৰিছো (ইউৰোপীয়ন ইউনিয়নৰ এআই আইনৰ অনুচ্ছেদ ৫০, প্ৰয়োগ ২০২৬-০৮-০২)।
TL;DR
- সকলো অনুলিপি AI-এ সৃষ্টি কৰে। প্ৰতিটো আউটপুটত এটা মেচিন-পঢ়িব পৰা তথ্য থাকে।
- সকলো AI আমাৰ নিজস্ব GPU ত চলায়। আমি আপোনাৰ অডিঅ' বা টেক্সট OpenAI, Anthropic, Google, বা কোনো তৃতীয় পক্ষৰ LLM API লৈ পঠাওঁ না।
- আমি আপোনাৰ অনুলিপিত ভিত্তি মডেল প্ৰশিক্ষণ দিওঁ না। কেৱল এটা opt-in fine-tune আপুনি স্পষ্টভাৱে কৰা সংশোধনসমূহ ব্যৱহাৰ কৰে।
- সংশ্লেষিত শব্দৰ ক্লোনসমূহ (TTS) ফাইলনাম, মেটাডাটা আৰু পৃষ্ঠাত AI-প্ৰস্তুত হিচাপে স্পষ্টভাৱে লেবেল কৰা হৈছে।
আমি ব্যৱহাৰ কৰা মডেলসমূহ
| আৰ্হি | ব্যৱহাৰ কৰা হৈছে | অনুমতি | চলিছে |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | অনুবাদ (অবিকল্পিত) | MIT | আমাৰ GPU |
| STT.ai Enhanced (custom fine-tune) | অনুবাদ (পেইড প্লান) | MIT (base) / Proprietary (fine-tune weights) | আমাৰ GPU |
| Vosk | ৰিয়েল-টাইম শব্দ স্ট্ৰিমিং | Apache 2.0 | আমাৰ GPU |
| SpeechBrain ECAPA-TDNN | স্পিকার ডায়াৰাইজেশন | Apache 2.0 | আমাৰ GPU |
| MadLAD-400 3B | অনুবাদ (৪৫০+ ভাষা) | Apache 2.0 | আমাৰ GPU |
| Qwen2.5-1.5B (llama.cpp) | সাৰাংশ, বিশ্লেষণ, বিষয়বস্তু নিৰ্মাণ, RAG চেট | Apache 2.0 | আমাৰ GPU |
| F5-TTS | শব্দ ক্লোনিং / টেক্সট-টু-স্পিকিং | MIT | আমাৰ GPU |
| all-MiniLM-L6-v2 | RAG অনুসন্ধানৰ বাবে প্ৰোথিত কৰা | Apache 2.0 | আমাৰ GPU |
আমি কোনো বৈশিষ্ট্যৰ বাবে OpenAI, Anthropic, Google Cloud, বা কোনো তৃতীয় পক্ষৰ LLM API কল নকৰোঁ। উপৰোক্ত প্ৰতিটো মডেল আমাৰ হাৰ্ডৱেৰ আৰু অপাৰেট কৰাত চলোৱা হয়। আমি ব্যৱহাৰ কৰা একমাত্ৰ বহিৰ্গত AI সেৱা হৈছে translateapi.ai (এবং Muddy Holdings) UI স্ট্ৰিংসমূহ অনুবাদ কৰিবলৈ - ই কখনো আপোনাৰ অনুবাদ কৰা সামগ্ৰী স্পৰ্শ নকৰে।
আমি কিদৰে এআই প্ৰজন্মক প্ৰকাশ কৰোঁ
- HTML পৃষ্ঠাসমূহৰ অনুলিপি: include <meta name=\
- টেক্সট এক্সপোৰ্ট (TXT, SRT, VTT, JSON, CSV, DOCX, PDF): প্ৰতিটো নথিপত্ৰৰ ওপৰত এটা 'AI-generated transcript' হেডাৰ শাৰী অন্তৰ্ভুক্ত কৰক।
- সংশ্লেষিত শব্দ / TTS আউটপুট: WAV ফাইলত মেটাডাটাত এটা'synthetic-voice' টেগ আৰু ডাউনল'ড পৃষ্ঠাত এটা স্পষ্ট নোটিচ অন্তৰ্ভুক্ত আছে। অডিবল ডিস্ক্লেমাৰ ৰোডমেপত আছে।
- API প্ৰতিক্ৰিয়া: অনুবাদিত বিষয়বস্তু থকা প্ৰতিটো JSON প্ৰতিক্ৰিয়াত এটা _ai_generated: true ক্ষেত্ৰ অন্তৰ্ভুক্ত কৰক।
প্ৰশিক্ষণ তথ্য
- মূল মডেল (Whisper, MadLAD, Qwen, ইত্যাদি) তেওঁলোকৰ প্ৰত্যেক প্ৰকাশকৰ পৰা প্ৰশিক্ষিত হৈ আহিছে। আমি তেওঁলোকক যিদৰে-শিপিত ব্যৱহাৰ কৰোঁ।
- আপোনাৰ অনুলিপিসমূহ মূল মডেলসমূহ প্ৰশিক্ষণ দিবলৈ ব্যৱহাৰ কৰা নহয়।
- যদি আপুনি এটা অনুবাদ অংশ (পেন্সিল আইকন) সঠিক কৰে অথবা ইয়াক ভুল হিচাপে চিহ্নিত কৰে (ফ্লেগ আইকন), আৰু আপুনি /privacy-settings/ (\) ত অন্তৰ্ভুক্ত কৰিছে
- পৃথকভাৱে, Voice Lab ত সংশোধনসমূহ আৰু অডিঅ' যোগ কৰক টোগল (/privacy-settings/ তও, ডিফল্টত বন্ধ) আপুনি সংশোধন কৰা অংশসমূহৰ অডিঅ' যোগ কৰিবলে নিৰ্বাচন কৰে, সংশোধন কৰা টেক্সটৰ সৈতে জুড়ি কৰি, আমাৰ Voice Lab তথ্যসেটত CC-BY-SA-4.0 ৰ অধীনত। দুটা টোগল স্বাধীন — আপুনি যিকোনো এটা, দুয়োটা, অথবা কোনোটোও অনুমোদন কৰিব পাৰে।
- আপুনি আপলোড কৰা অডিঅ'ক cleanup_uploads cron ৰ দ্বাৰা ২৪ ঘন্টাৰ ভিতৰত আঁতৰুৱা হয় — যদি আপুনি \ ত নিৰ্বাচন নকৰে
সঠিকতা আৰু ত্ৰুটি
AI অনুবাদ সম্পূৰ্ণ নহয়। শব্দৰ ত্ৰুটিৰ হাৰ স্পিকারৰ উচ্চাৰণ, অডিঅ'ৰ গুণমান, ভাষা আৰু ডমেইন শব্দভাণ্ডাৰৰ ওপৰত নিৰ্ভৰ কৰে। গুৰুত্বপূৰ্ণ ব্যৱহাৰৰ বাবে (আইনি, চিকিৎসা, নিয়ন্ত্ৰিত উদ্যোগ) মূল অডিঅ'ৰ সৈতে পৰীক্ষা কৰক। প্ৰতিটো মডেলৰ বাবে আমাৰ পাবলিক WER বেঞ্চমাৰ্কসমূহ আছে /models/.
অনুকূলন প্ৰশ্নসমূহ
ইউৰোপীয় ইউনিয়নৰ এআই আইন, জিডিপিআৰ বা অন্যান্য অনুমোদনমূলক প্ৰশ্নৰ বাবে: hello@stt.ai অথবা ব্যৱহাৰ কৰক পৰিচয় ফৰ্ম.
সৰ্বশেষ আপডেইট: 2026-04-26.