AI নীতিমালা এবং স্বচ্ছতা
আমরা কোন ধরনের এআই ব্যবহার করি, কোথায় এটি চালানো হয় এবং আমরা কিভাবে প্রকাশের প্রয়োজনীয়তা মেনে চলব (ইইউ এআই আইনের ৫০ নম্বর ধারা, কার্যকর ২০২৬-০৮-০২)।
ট্যাব
- সব ট্রান্সক্রিপশন AI-এর দ্বারা তৈরি করা হয়েছে। প্রত্যেকটি আউটপুট মেশিন-পড়ার উপযোগী তথ্য বহন করে।
- সব AI আমাদের নিজের GPU-তে চলে। আমরা আপনার অডিও বা টেক্সট OpenAI, Anthropic, Google, বা অন্য কোন তৃতীয় পক্ষের LLM API-তে পাঠাই না।
- আমরা আপনার ট্রান্সক্রিপশনের উপর কোন মডেল প্রশিক্ষণ করি না। আমরা যে কোন মডেল চালানো একটি উন্মুক্ত উৎস মডেল। আপনি স্পষ্টভাবে যে সংশোধনগুলি করেন তা শুধুমাত্র যদি আপনি এতে অংশগ্রহণ করেন তবে সংগ্রহ করা হয়।
- ফাইলের নাম, মেটাডাটা এবং পাতায় স্পষ্টভাবে সিনথেটিক ভয়েস ক্লোন (টিটিএস)-এর লেবেল দেয়া হয়েছে যে এআই-এর দ্বারা তৈরি।
আমরা যে মডেল ব্যবহার করি
| মডেল | এর জন্য ব্যবহৃত | লাইসেন্স | চলছে |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | অনুবাদ (ডিফল্ট) | MIT | আমাদের GPU |
| Whisper large-v3 (faster-whisper) — branded “STT.ai Enhanced” | অনুবাদ (পয়সা পরিশোধিত পরিকল্পনা) | MIT | আমাদের GPU |
| Vosk | বাস্তব-সময়ের শব্দ স্ট্রিমিং | Apache 2.0 | আমাদের GPU |
| SpeechBrain ECAPA-TDNN | স্পিকার ডায়ারিজম | Apache 2.0 | আমাদের GPU |
| MadLAD-400 3B | অনুবাদ (৪৫০+ ভাষা) | Apache 2.0 | আমাদের GPU |
| Qwen2.5-1.5B (llama.cpp) | সারসংক্ষেপ, বিশ্লেষণ, বিষয়বস্তু উৎপাদন, RAG চ্যাট | Apache 2.0 | আমাদের GPU |
| Chatterbox (Resemble AI) | শব্দ ক্লোন / টেক্সট-টু-স্পিকিং | MIT | আমাদের GPU |
| all-MiniLM-L6-v2 | RAG অনুসন্ধানের জন্য অন্তর্ভুক্ত করা হয়েছে | Apache 2.0 | আমাদের GPU |
“STT.ai Enhanced” হচ্ছে আমাদের নিজস্ব GPU-এ চলমান Whisper large-v3 এর জন্য আমাদের পণ্যের নাম। এটি কোন স্বনির্ধারিত মডেল, একটি ফাইন-টুন, অথবা মালিকানার ওজন নয় - এটি বৃহত্তম এবং সবচেয়ে সঠিক Whisper checkpoint। এটি ডিফল্ট Whisper large-v3-turbo এর চেয়ে আরও সঠিক, এবং একটি ডায়েরিজেড কাজের ক্ষেত্রে প্রায় ১.৫x ধীর, যা আমাদের নিজস্ব হার্ডওয়্যারের উপর পরিমাপ করা হয়েছে।
আমরা কোন বৈশিষ্ট্যের জন্য ওপেনএআই, অ্যানথ্রোপিক, গুগল ক্লাউড, বা অন্য কোন তৃতীয় পক্ষের এলএলএম এপিআই ব্যবহার করি না। উপরের প্রতিটি মডেল আমাদের মালিকানাধীন হার্ডওয়্যারের উপর চালিত হয় এবং আমরা এটি পরিচালনা করি। আমরা যে একমাত্র বহিরাগত এআই সার্ভিস ব্যবহার করি তা হচ্ছে ট্রান্সলেটএপি.
আমরা কিভাবে AI প্রজন্ম প্রকাশ করি
- HTML পাতা অনুবাদ করুন: অন্তর্ভুক্ত করো <meta name=\
- টেক্সট রপ্তানি (TXT, SRT, VTT, JSON, CSV, DOCX, PDF): প্রত্যেক ফাইলের উপরে একটি 'AI-generated transcript' শীর্ষচরণ লাইন অন্তর্ভুক্ত করুন।
- সিনথেটিক ভয়েস / TTS আউটপুট: WAV ফাইল মেটাডাটাতে'synthesized-voice' ট্যাগ এবং ডাউনলোড পাতায় একটি স্পষ্ট নোটিশ অন্তর্ভুক্ত করে। অডিবল ডিসগ্রেডিং রোডম্যাপ-এ রয়েছে।
- API প্রতিক্রিয়া: প্রত্যেক JSON প্রতিক্রিয়ায় একটি _ai_generated: true ক্ষেত্র অন্তর্ভুক্ত করা হবে যা অনুবাদকৃত বিষয়বস্তু অন্তর্ভুক্ত করে।
প্রশিক্ষণ তথ্য
- বেস মডেল (Whisper, MadLAD, Qwen, ইত্যাদি) তাদের নিজস্ব প্রকাশক থেকে পূর্ব-প্রশিক্ষিত আসে। আমরা তাদের ব্যবহার করি যেমন-শিপিং।
- তোমার ট্রান্সক্রিপশন বেস মডেল ট্রেনিং এর জন্য ব্যবহার করা হয় না।
- যদি আপনি একটি ট্রান্সক্রিপ্ট অংশ (পেন্সিল আইকন) সংশোধন করেন অথবা এটিকে ভুল হিসেবে চিহ্নিত করেন (ফ্ল্যাগ আইকন), এবং আপনি /privacy-settings/-এ ("মডেল প্রশিক্ষণ" টগল, ডিফল্ট বন্ধ) নির্বাচন করেছেন, তবে (অসঠিক টেক্সট → সঠিক টেক্সট) জুটি ভবিষ্যতে টেক্সট-সম্পাদন মডেল প্রশিক্ষণ করার জন্য সংগ্রহ করা যেতে পারে। শুধুমাত্র টেক্সট জুটি - কখনও কখনও আশপাশের অডিও - এই পাথ দ্বারা ব্যবহার করা হয়। বর্তমানে এমন কোন মডেল নেই: জুটিগুলি শুধুমাত্র সংরক্ষিত, এবং আমরা বর্তমানে তাদের উপর প্রশিক্ষণ প্রদান করিনি।
- আলাদাভাবে, ভয়েস ল্যাবে সংশোধন এবং অডিও যোগ করার টগল (এছাড়াও /privacy-settings/ এ, ডিফল্ট বন্ধ) আপনাকে আপনার সংশোধনকৃত অংশের অডিও যোগ করতে দেয়, সংশোধন করা টেক্সটের সাথে, সিসি-বাই-এসএ-৪. ০ এর অধীনে আমাদের ভয়েস ল্যাব ডেটাসেটে। এই দুই টগল স্বাধীন - আপনি যে কোন একটি, উভয়ই, অথবা উভয়ই দিতে পারেন।
- আপনি যে অডিও আপলোড করেন তা ২৪ ঘণ্টার মধ্যে মুছে ফেলা হবে ঘণ্টাভিত্তিক পরিষ্কার কাজের মাধ্যমে, দুটি ব্যতিক্রম ছাড়া যা শুধুমাত্র আপনি যদি তাদের নির্বাচন করেন তা প্রযোজ্য হবে। যদি আপনি /privacy-settings/ এ "ভয়েস ল্যাবে সংশোধন + অডিও যোগ করুন" নির্বাচন করেন, অডিও ৯০ দিন পর্যন্ত আর্কাইভ করা হবে যাতে প্রতিদিন ভয়েস ল্যাব সংশোধনকৃত অংশটি বের করতে পারে; একবার সংশোধন করা হলে (বা ৯০ দিন পর, যাই হোক না কেন), উৎস অডিও মুছে ফেলা হবে। যদি আপনি লগ-ইন করেন এবং আপনার রেকর্ডের অডিও একটি শেয়ার লিঙ্কে অন্তর্ভুক্ত করেন, এই অডিও লিঙ্কের সক্রিয় থাকাকালীন সংরক্ষিত থাকবে (মুছে ফেলা লিঙ্কের মেয়াদ শেষ হওয়ার ২৪ ঘণ্টার মধ্যে)। শেয়ার করা অডিও প্রশিক্ষণের জন্য ব্যবহার করা হবে না। ট্রান্সক্রিপ্ট টেক্সট আপনার প্ল্যানের সংরক্ষণ নীতি অনুসরণ করে (অজ্ঞাত ২৪ ঘন্টা, বিনামূল্যে ৩০ দিন, প্রো+ স্থায়ী)।
সঠিকতা এবং ত্রুটি
AI অনুবাদ সম্পূর্ণ নয়। শব্দের ভুলের হার স্পিকারের উচ্চারণ, অডিও গুণমান, ভাষা এবং ডোমেইন শব্দভাণ্ডারের উপর নির্ভর করে। গুরুত্বপূর্ণ ব্যবহারের জন্য (আইনি, চিকিৎসা, নিয়ন্ত্রিত শিল্প) মূল অডিওটির সাথে পরীক্ষা করুন। আমাদের পাবলিক WER বেঞ্চমার্ক প্রতি মডেল এ /models/.
অনুমোদন প্রশ্ন
ইউরোপীয় ইউনিয়নের এআই আইন, জিডিপিআর, অথবা অন্যান্য আইনের প্রতি সম্মান প্রদর্শনের প্রশ্নের জন্য: hello@stt.ai অথবা ব্যবহার করুন যোগাযোগ ফর্ম.
সর্বশেষ হালনাগাদ: 2026-08-05.