Politik AI & Transparans
Ki kalite AI nou itilize, kote li kouri, ak ki jan nou konfòme nou ak kondisyon divulgation (EU AI Act Article 50, en vigè 2026-08-02).
TL;DR
- Tout transkript yo se AI-genèrasyon. chak rezilta pote yon machin-li-ka-li-divulgasyon.
- Tout AI kouri sou GPU nou an.Nou pa voye ou son oswa tèks nan OpenAI, Anthropic, Google, oswa nenpòt ki twazyèm pati LLM API.
- Nou pa antrene nenpòt modèl sou transkript ou. Chak modèl nou kouri se yon modèl open-source ki disponib sou mache a. Koreksyon ou fè eksplisitman yo kolekte sèlman si ou opt nan.
- Klon vwa sintètik (TTS) yo étiqueté klèman kòm AI-genè nan non dosye, metadonnées, ak sou paj la.
Modèl nou itilize
| Modèl | Itilize pou | Lisans | Ekri sou |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | Transkript | MIT | GPU nou an |
| Whisper large-v3 (faster-whisper) — branded “STT.ai Enhanced” | Transkript (plan peye) | MIT | GPU nou an |
| Vosk | Woulo liv | Apache 2.0 | GPU nou an |
| SpeechBrain ECAPA-TDNN | Diarization oratè | Apache 2.0 | GPU nou an |
| MadLAD-400 3B | Tradiksyon (450+ lang) | Apache 2.0 | GPU nou an |
| Qwen2.5-1.5B (llama.cpp) | Rezime, analiz, jenerasyon kontni, RAG chat | Apache 2.0 | GPU nou an |
| F5-TTS | Klonaj vwa / tèks-a-parole | MIT | GPU nou an |
| all-MiniLM-L6-v2 | Embeddings for RAG search | Apache 2.0 | GPU nou an |
“STT.ai Enhanced” se non pwodwi nou pou Whisper gwo-v3 ki kouri sou GPU nou an. Li pa yon modèl Custom, yon fine-tune, oswa pwa proprietary — li se pi gwo ak pi egzat Whisper checkpoint. Li se pi egzat pase default Whisper gwo-v3-turbo, ak sou 1.5x pi vit sou yon travay diarized, mezire sou pwòp nou an hardware.
Nou pa rele OpenAI, Anthropic, Google Cloud, oswa nenpòt ki twazyèm pati LLM API pou nenpòt karakteristik. chak modèl anwo a kouri sou hardware nou posede ak opere. sèlman sèvis AI ekstèn nou itilize se translateapi.ai (tou Muddy Holdings) pou tradiksyon UI strings — sa pa janm touche ou transkri kontni.
Kijan nou dekri jenerasyon AI
- Transkript paj HTML: include < meta name=\
- Ekspòtasyon tèks (TXT, SRT, VTT, JSON, CSV, DOCX, PDF): gen ladan yon liy tèt 'transkript AI-genre' nan tèt chak dosye.
- Voy Sintetik / TTS: Fichiers WAV gen ladan yon'synthetic-voice' tag nan metadonnées ak yon notifikasyon klè sou paj la telechaje. Audible disclaimer se sou roadmap.
- Reponn API: gen ladan yon _ai_generated: true jaden nan chak JSON repons ki gen ladan kontni transkripte.
Done antrenè
- Modèl baz (Whisper, MadLAD, Qwen, elatriye) vini pre-trete soti nan pibliye yo respektivman. Nou itilize yo kòm-li te ye.
- Transkript ou yo pa itilize pou antrene modèl baz.
- Si ou kòrèkte yon pati transkript (ikona lapis) oswa ou make li kòm inkorèk (ikona flag), E ou te opted nan /privacy-settings/ ("Model Training" toggle, default off), (incorrect text → corrected text) pare ka kolekte pou antrene yon modèl tèks-koreksyon nan tan kap vini an. Se sèlman pare tèks — pa janm son an ki antoure — se itilize pa sa a chemen. Pa gen yon modèl tankou sa egziste jodi a: pare yo se sèlman estoke, ak anyen nou kounye a sèvi a te antrene sou yo.
- Separasyonman, opsyon Kontribye koreksyon ak son pou Laboratwa Vokal la (tou nan /privacy-settings/, tou dezaktive pa default) pèmèt ou patisipe nan konbyen son ki soti nan pati ou koreksyone yo, ansanm ak tèks la kòrèk, nan baz done nou an pou Laboratwa Vokal la anba CC-BY-SA-4.0.
- Son ou mete ajou yo pral efase nan 24 èdtan via cleanup_uploads cron — OUVRIYE ou te opted nan \
Presizyon ak erè
AI transkriptyon se pa ideyal. Rapò erè mo varye selon accent oratè, bon jan kalite son, lang, ak vokabilè domèn. Pou itilize kritik (legal, medikal, endistri règleman) verifye kont son orijinal la. Nou WER referans piblik pa modèl yo nan /models/.
Kesyon sou konfòmite
Pou kesyon sou lwa AI Ewopeyen an, GDPR, oswa lòt kesyon sou konfòmite: hello@stt.ai oswa itilize Formulè kontak.
Dat dènye ajou: 2026-08-05.