Política y transparencia de la IA
Qué IA usamos, dónde funciona y cómo cumplimos con los requisitos de divulgación (EU AI Act, artículo 50, efectivo 2026-08-02).
TL;DR
- Todas las transcripciones son generadas por IA. Cada salida lleva una revelación legible por máquina.
- Toda la IA se ejecuta en nuestra propia GPU. NO enviamos su audio o texto a OpenAI, Anthropic, Google, o cualquier API LLM de terceros.
- No entrenamos ningún modelo en sus transcripciones. Cada modelo que ejecutamos es un modelo de código abierto abierto. Las correcciones que usted hace explícitamente se recogen sólo si usted opta por.
- Los clones de voz sintéticos (TTS) están claramente etiquetados como IA generados en nombre de archivo, metadatos y en la página.
Modelos que utilizamos
| Modelo | Utilizado para | Licencia | Corre |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | Transcripción (por defecto) | MIT | Nuestra GPU |
| Whisper large-v3 (faster-whisper) — branded “STT.ai Enhanced” | Transcripción (planes pagados) | MIT | Nuestra GPU |
| Vosk | Transmisión de palabras en tiempo real | Apache 2.0 | Nuestra GPU |
| SpeechBrain ECAPA-TDNN | Diarización de oradores | Apache 2.0 | Nuestra GPU |
| MadLAD-400 3B | Traducción (450+ idiomas) | Apache 2.0 | Nuestra GPU |
| Qwen2.5-1.5B (llama.cpp) | Resumen, análisis, generación de contenido, chat RAG | Apache 2.0 | Nuestra GPU |
| Chatterbox (Resemble AI) | Clonación de voz / texto a voz | MIT | Nuestra GPU |
| all-MiniLM-L6-v2 | Incrustaciones para búsqueda de RAG | Apache 2.0 | Nuestra GPU |
“STT.ai Enhanced” es nuestro nombre de producto para Whisper large-v3 que funciona en nuestra propia GPU. No es un modelo personalizado, un fino-tune, o pesos propietarios — es el más grande y más preciso puesto de control Whisper. Es más preciso que el predeterminado Whisper large-v3-turbo, y aproximadamente 1,5 veces más lento en un trabajo diarizado, medido en nuestro propio hardware.
No llamamos OpenAI, Anthropic, Google Cloud, ni ninguna API LLM de terceros para ninguna función. Cada modelo anterior se ejecuta en hardware que poseemos y operamos. El único servicio de IA externo que utilizamos es translatapi.ai (también Muddy Holdings) para traducir cadenas de interfaz de usuario — esto nunca toca su contenido transcrito.
Cómo revelamos la generación de IA
- Páginas HTML de la transcripción: incluir <meta name=\
- Exportaciones de texto (TXT, SRT, VTT, JSON, CSV, DOCX, PDF): incluir una línea de encabezado 'generada por AI' en la parte superior de cada archivo.
- Voz sintética / salida TTS: Los archivos WAV incluyen una etiqueta de 'voz sintética' en metadatos y un aviso claro en la página de descarga.
- Respuestas de la API: incluir un _ai_generado: verdadero campo en cada respuesta JSON que contiene contenido transcrito.
Datos de capacitación
- Los modelos base (Whisper, MadLAD, Qwen, etc.) vienen pre-entrenados de sus respectivos editores. Los usamos como-enviados.
- Sus transcripciones NO se utilizan para entrenar modelos de base.
- Si corrige un segmento de transcripción (el icono del lápiz) o lo marca incorrecto (el icono del indicador), Y usted ha optado por /privacy-settings/ (Modelo de Entrenamiento, predeterminado apagado), el par (texto incorrecto → texto corregido) puede ser recogido para entrenar un futuro modelo de corrección de texto. Sólo el par de texto — nunca el audio circundante — es utilizado por esta ruta. No existe tal modelo hoy: los pares sólo se almacenan, y nada de lo que actualmente servimos ha sido entrenado en ellos.
- Por otro lado, la herramienta Contribuir correcciones más audio a Voice Lab (también en /privacy-settings/, también desactivada por defecto) le permite contribuir con el audio de los segmentos que corrija, emparejado con el texto corregido, a nuestro conjunto de datos de Voice Lab bajo CC-BY-SA-4.0. Las dos opciones son independientes: puede conceder ambas o ninguna.
- El audio que usted carga se elimina en 24 horas por un trabajo de limpieza por hora, con dos excepciones que se aplican sólo si usted los elige. Si usted ha optado por "Contribuir correcciones + audio a Voice Lab" en /privacy-settings/, el audio se archiva durante hasta 90 días para que la ingerida diaria de Voice Lab pueda extraer el segmento corregido; una vez ingerido (o después de 90 días, lo que sea antes), el audio fuente se elimina. Si usted está conectado e incluye el audio de su grabación en un enlace compartido, ese audio se mantiene durante el tiempo que el enlace esté en vivo (hasta 30 días en una cuenta gratuita; 30 días, 90 días o indefinidamente con Forever en un plan pagado) y se elimina dentro de las 24 horas siguientes a la expiración del enlace. El audio compartido no se utiliza para la formación. El texto de transcripción sigue la política de retención de su plan (anónimo 24h, gratis 30 días, Pro+ permanente).
Precisión y errores
La transcripción de la IA no es perfecta. Las tasas de error de Word varían según el acento del altavoz, la calidad de audio, el idioma y el vocabulario del dominio. Para uso crítico (jurídico, médico, industrias reguladas) verificar contra el audio original. /models/.
Cuestiones relativas al cumplimiento
Para la Ley de IA de la UE, el RGPD u otras cuestiones de cumplimiento: hello@stt.ai o utilizar la formulario de contacto.
Última actualización: 2026-08-05.