AI政策と透明性
私たちが使用するAIは何であり、どこで動作し、公開要求にどのように従うか（EU AI Act Article 50, effective 2026-08-02）。
テレビ朝日
- すべての転写はAIによって生成され 出力は機械読み取れる
- すべてのAIは我々のGPU上で動作します。 私たちはあなたの音声やテキストを OpenAI、Anthropic、Google、その他のサードパーティのLLM APIに送信しません。
- 私たちはあなたの翻訳に基づいてモデルを訓練しません。私たちが実行するすべてのモデルはオープンソースモデルです。あなたが明示的に行った修正は、あなたがオプションを選択した場合のみ収集されます。
- 合成音声クローン（ＴＴＳ）は，ファイル名，メタデータ，ページ上で明確にＡＩ生成とラベル付けされる。
モデル
| モデル | 用途 | ライセンス | 続行中 |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | 転写 (デフォルト) | MIT | 私たちのGPU |
| Whisper large-v3 (faster-whisper) — branded “STT.ai Enhanced” | 転写（有料プラン） | MIT | 私たちのGPU |
| Vosk | リアルタイムワードストリーミング | Apache 2.0 | 私たちのGPU |
| SpeechBrain ECAPA-TDNN | 話者のダイアリズム | Apache 2.0 | 私たちのGPU |
| MadLAD-400 3B | 翻訳（450以上の言語） | Apache 2.0 | 私たちのGPU |
| Qwen2.5-1.5B (llama.cpp) | 概要，分析，コンテンツ生成，RAGチャット | Apache 2.0 | 私たちのGPU |
| Chatterbox (Resemble AI) | 音声クローン | MIT | 私たちのGPU |
| all-MiniLM-L6-v2 | RAG検索の埋め込み | Apache 2.0 | 私たちのGPU |
STT.ai Enhanced は、我々のGPU上で動作する Whisper large-v3 の製品名です。これはカスタムモデル、フィーニング、またはプロプライエタリ重みではなく、最大で最も正確な Whisper チェックポイントです。デフォルトの Whisper large-v3-turbo よりも正確で、日記ジョブで約1.5倍遅い。我々のハードウェアで測定しました。
私たちはOpenAI、Anthropic、Google Cloud、その他のサードパーティのLLM APIを呼び出すことはありません。上記のすべてのモデルは私たちが所有し運営するハードウェア上で動作します。外部AIサービスとして使うのは、 UI文字列を翻訳する translateapi.ai（Muddy Holdings も含む）だけです。これは、転写されたコンテンツに関係しません。
AIの生成を公開する方法
- トランスクリプトHTMLページ: これは、メタデータの 保存先を指定するための ユーザの権限です。
- テキストエクスポート (TXT, SRT, VTT, JSON, CSV, DOCX, PDF): ファイルの上部に AIによる記録を 入れてください
- 合成音声/TTS出力: WAV ファイルはメタデータに合成音声タグを含み、ダウンロードページに明確な注意を示しています。音声の免責はロードマップにあります。
- API応答: 転写されたコンテンツを含むすべての JSON 応答に _ai_generated: true フィールドを含む。
訓練データ
- 基礎モデル（Whisper、MadLAD、Qwenなど）はそれぞれの出版社から予め訓練されており、送られてきたときに使う。
- 君の転写は 基礎モデルの訓練には使われない
- 転写セグメントを修正するとき (鉛筆アイコン) または不正確にマークするとき (フラグアイコン) 、そして /privacy-settings/ でオプションを選択した場合 (モデル訓練をトグル、デフォルトでオフ)、 (不正確なテキスト → 修正されたテキスト) ペアは将来のテキスト修正モデルを訓練するために収集されます。このパスはテキストペアのみを使用します。周囲のオーディオは使用しません。今日、そのようなモデルは存在しません。ペアは保存されるだけで、現在提供されているものは何も訓練されていません。
- 別に、音声実験室に修正とオーディオを提供するトグル（/privacy-settings/にもありますが、デフォルトではオフ）は、修正したセグメントのオーディオを修正されたテキストと組み合わせて、CC-BY-SA-4.0の下で音声実験室データセットに提供するかどうかを選択します。2つのトグルは独立しています。どちらか、両方、またはどちらも許可できます。
- アップロードしたオーディオは、24時間以内に毎時間のクリーニングジョブによって削除されます。選択した場合にのみ適用される例外が2つあります。 /privacy-settings/ の "Voice Lab に修正とオーディオを提供する" をオプションにした場合、オーディオは最長 90 日間保存されます。それを使って Voice Lab が日々の修正セグメントを抽出します。一度収集された後 (90 日後、それより早いもののいずれか)、ソースオーディオは削除されます。ログインして共有リンクに録音のオーディオを含めた場合、そのオーディオはリンクが有効な間 (無料アカウントでは 30 日まで、有料プランでは Forever では 30 日、90 日、無制限) 保存され、リンクが有効期限を過ぎた後 24 時間以内に削除されます。共有オーディオは訓練に使用されません。トランスクリプトテキストはプランの保存ポリシーに従います (匿名 24 時間、無料 30 日、Pro+ 永久)。
精度と誤差
人工知能による転写は完璧ではありません。単語の誤り率は話者のアクセント、音声品質、言語、ドメインの語彙によって異なります。重要な用途（法律、医療、規制された産業）の場合は、オリジナルのオーディオと比較して確認してください。モデルごとの公開 WER ベンチマークは以下です。 /models/.
コンプライアンス問題
EU AI Act、GDPR、その他のコンプライアンスの質問については、 hello@stt.ai または こちらの 連絡先フォーム.
更新日: 2026-08-05.