AI politika i transparentnost
Što koristimo, gdje radi, i kako se poštuje zahtjevima za objavljivanje (Članak 50 Zakona EU-a o IU-u, koji stupa na snagu 2026-08-02).
TL;DR
- Svi transkripti su stvoreni od AI-a, svaki izlaz ima automatski čitljivu objavu.
- Svi AL radi na vlastitom GPU. NE šaljemo vaš audio ili tekst OpenAI, Antropic, Google, ili bilo koji treće strane LLM API.
- NE treniramo nikakve modele na svojim transkriptama. Svaki model koji pokrenemo je off-the-shelf model otvorenog izvora. Ispravke koje izričito napravite prikupljaju se samo ako se odlučite.
- Sintetički glasovni klonovi (TTS) jasno su označeni kao AI generirani u datoteci, metapodaci i na stranici.
Modeli koje koristimo
| Uzorak | Koristi se za | Dozvola | Pokreće se |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | Transcription (uobičajeno) | MIT | Naš GPU |
| Whisper large-v3 (faster-whisper) — branded “STT.ai Enhanced” | Prepisivanje (plaćeni planovi) | MIT | Naš GPU |
| Vosk | Realnovremensko streaming riječi | Apache 2.0 | Naš GPU |
| SpeechBrain ECAPA-TDNN | Dijarizacija zvučnika | Apache 2.0 | Naš GPU |
| MadLAD-400 3B | Prijevod (450+ jezika) | Apache 2.0 | Naš GPU |
| Qwen2.5-1.5B (llama.cpp) | Sažetak, analiza, proizvodnja sadržaja, RAG chat | Apache 2.0 | Naš GPU |
| Chatterbox (Resemble AI) | Glasno kloniranje / tekst-na-špik | MIT | Naš GPU |
| all-MiniLM-L6-v2 | Ugrađena za pretragu RAG | Apache 2.0 | Naš GPU |
“STT.ai Povećana” je naš proizvod za Whisper veliki-v3 trčanje na vlastitom GPU. To nije custom model, fino-tune, ili vlasničke težine – to je najveći i najtočniji Whisper kontrolni punkt. To je točnije od uobičajenog Whisper veliki-v3-turbo, i oko 1,5x sporije na dijariziranom poslu, mjeri se na vlastitom hardveru.
Ne zovemo OpenAI, Antropic, Google Cloud, ili bilo koju trećoj stranici LLM API za bilo koju funkciju. Svaki model iznad radi na hardveru koji posjedujemo i djelujemo. Jedini vanjski AI servis koji koristimo je translateapi.ai (također Muddy Holdings) za prevođenje UI strune – to nikada ne dodiruje transcribirani sadržaj.
Kako otkrijemo AI generaciju
- Transcript HTML stranice: uključi <meta name=\
- Izvoz teksta (TXT, SRT, VTT, JSON, CSV, DOCX, PDF): Uključuju "AI-generiran transkript" liniju na vrhu svakog dosjea.
- Sintetički glas / TTS izlaz: WAV datoteke uključuju oznaku'syntetički glas' u metapodacima i jasno obavijest na stranici preuzimanja. Čuveno izricanje izgovora je na mapi.
- API odgovori: uključi _ai_generirano: pravo polje u svakom JSON odgovoru koji sadrži transkriptički sadržaj.
Podaci o treningu
- Bazni modeli (Whisper, MadLAD, Qwen, itd.) dolaze unaprijed obučeni od njihovih izdavača. Mi ih koristimo kao brod.
- Vaši transkripti se ne koriste za trening modela baze.
- Ako ispravite transkriptni segment (ikona olovke) ili ga označite netočnim (ikona zastave), I odlučili ste se na /privacy-settings/ ("Model Training" isključiti, zadano off), par (neispravan tekst → ispraviti) može se prikupiti za treniranje budućeg tekstu- ispravka modela. Samo je par teksta - nikada okolni audio - koristi ovaj put. Danas ne postoji takav model: parovi su samo pohranjeni, a ništa što trenutno služimo nije obučen na njima.
- Odvojeno, Popravke suradnje plus audio u Voice Lab prekidač (također na /privacy-settings /, također uobičajeno isključeno) odabira vas u doprinošenju zvuka segmenta koje ispravite, u paru s ispravljenim tekstom, na naš Glass Lab set podataka pod CC-BY-SA-4.0. Dva preklopnika su nezavisna — možete odobriti ili oboje, ili niti jedno.
- Audio koji ste upisali briše se u roku od 24 sata za jedan sat čišćenje, s dvije iznimke koje se primjenjuju samo ako ih izaberete. Ako ste odlučili u "Pridonijeti ispravke + audio za Voice Lab" na /privaccy-settings /, zvuk se arhivira do 90 dana tako da dnevni Voice Lab može izvući ispravljeni segment; jednom progutani (ili nakon 90 dana, što god prije), izvorni zvuk se briše. Ako ste upisani i uključili zvuk svog zapisa u dio link, da se zvuk čuva do 30 dana na slobodnom računu (do 30 dana, 90 dana ili zauvijek s zauvijek na plaćenom planu) i briše se u roku od 24 sata nakon isteka veze. Zajednički audio se ne koristi za trening.
Preciznost i pogreške
AI transkripcija nije savršena. Stope pogreške riječi varira prema naglasku govornika, audio kvaliteti, jeziku i domeni rječnik. Za kritičnu upotrebu (legal, medicinski, regulirani industrija) provjeriti protiv originalnog audio. Naši javni WER mjerila po modelu su na /models/.
Upitavanja o sukladnosti
Za Zakon EU-a o AL-u, GDPR-u ili druga pitanja o usklađenosti: hello@stt.ai ili koristiti obrasac za kontakt.
Zadnje ažuriranje: 2026-08-05.