Kebijakan & Transparansi
Ing taun 2000, dhèwèké dadi anggota Dewan Perwakilan Rakyat lan dadi anggota Dewan Perwakilan Rakyat (DPR) wiwit taun 2005 nganti 2006.
TL;DR
- Sedaya transkripsi dipunciptaaken déning AI. Saben output ngandhut informasi ingkang bisa dibaca mesin.
- Sedaya AI dipun-ginakaken ing GPU kita piyambak. Kita NON ngirim audio utawa teks sampeyan menyang OpenAI, Anthropic, Google, utawa LLM API pihak katelu.
- Kita ora nglatih model apa wae ing transkripsimu. Saben model sing kita lakoni iku model sumber terbuka sing bisa dijupuk saka rak. Pangowahan sing sampeyan lakoni kanthi eksplisit mung dikumpulaké yen sampeyan milih.
- Saliyané iku, ana uga sing diarani "metadata" (metadata) kang digunakaké kanggo ngenali file, file, utawa file.
Model kang kita gunakake
| Model | Digunakaké kanggo | Lisénsi | Diwiwiti |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | Transkripsi (piranti lunak) | MIT | GPU kita |
| Whisper large-v3 (faster-whisper) — branded “STT.ai Enhanced” | Transkripsi (plan bayar) | MIT | GPU kita |
| Vosk | Real-time word streaming | Apache 2.0 | GPU kita |
| SpeechBrain ECAPA-TDNN | Prasasti Kadhiri | Apache 2.0 | GPU kita |
| MadLAD-400 3B | Terjemah (450+ basa) | Apache 2.0 | GPU kita |
| Qwen2.5-1.5B (llama.cpp) | Kaca, kaca | Apache 2.0 | GPU kita |
| Chatterbox (Resemble AI) | Kloning swara / teks-ka-waca | MIT | GPU kita |
| all-MiniLM-L6-v2 | Kaca isi kanggo pencarian RAG | Apache 2.0 | GPU kita |
“STT.ai Enhanced” iku jeneng produk kita kanggo Whisper gedhe-v3 mlaku ing GPU kita dhewe. Iki ora model custom, fine-tune, utawa bobot proprietary - iku paling gedhé lan paling akurat Whisper checkpoint. Iki luwih akurat tinimbang default Whisper gedhe-v3-turbo, lan bab 1.5x luwih alon ing kerja diarized, diukur ing piranti keras kita dhewe.
Kita ora manggil OpenAI, Anthropic, Google Cloud, utawa pihak katelu LLM API kanggo fitur apa wae. Saben model ing ndhuwur dioperasikake ing piranti keras sing kita duwe lan operasi. Saben layanan AI njaba sing kita gunakake yaiku translateapi.ai (utawa Muddy Holdings) kanggo terjemahan string UI - iki ora tau nyentuh isi sing ditranskripsi.
Kajaba iku, ana uga generasi anyar.
- Transkrip kaca HTML: kalebu <meta jeneng=\
- Eksport teks (TXT, SRT, VTT, JSON, CSV, DOCX, PDF): nyakup baris pengepala 'AI-generated transcript' ing ndhuwur saben berkas.
- Sinétron: Berkas WAV ngemot tag'synthetic-voice' ing metadata lan kabar kang jelas ing kaca ngundhuh. Disclaimer kang bisa didengar ana ing roadmap.
- Jawaban API: nyakup _ai_generated: medan bener ing saben balasan JSON kang ngandhut isi kang ditranskripsi.
Data latihan
- Model dasar (Whisper, MadLAD, Qwen, lsp) teka pra-dilatih saka penerbité. Kita nggunakake kaya-kaya wis dikirim.
- Transkrip sampeyan ora digunakaké kanggo nglatih model basis.
- Yen sampeyan ngresiki segmen transcript (icon pensil) utawa nyathet iku salah (icon bendera), lan sampeyan wis milih ing /privacy-settings/ ("Model Training" toggle, default off), pasangan (teks ora bener → teks kang dikorèkasi) bisa dikumpulaké kanggo nglatih model teks-korèkasi ing mangsa ngarep. Mung pasangan teks - ora audio sakiwa-tengené - digunakake dening path iki. Ora ana model kaya iku saiki: pasangan mung disimpan, lan ora ana sing saiki kita layani wis dilatih ing iku.
- Ing sisih liya, tombol Kontribusi pambenahan plus audio kanggé Voice Lab (ugi wonten ing /privacy-settings/, ugi boten dipunaktifaken kanthi pitados), mènèhi pilihan kanggé mènèhi audio saking segmen ingkang dipunbetahaken, kaliyan teks ingkang dipunbetahaken, kanggé dataset Voice Lab kanggé CC-BY-SA-4.0. Kawiji tombol punika independen — sampeyan saged mènèhi salah satunggal, kathah, utawi boten.
- Audio kang diunggah bakal dipatèni sawisé 24 jam déning tugas ngresiki saben jam, kanthi loro eksepsi kang mung bisa ditrapaké yèn sampeyan milih. Yen sampeyan wis milih "Contribute corrections + audio to Voice Lab" ing /privacy-settings/, audio bakal diarsip nganti 90 dina supaya Voice Lab bisa ngekstrak segmen kang dikorèkasi; sawisé diimpor (utawa sawisé 90 dina, apa kang luwih dhisik), audio sumber bakal dipatèni. Yen sampeyan wis mlebu lan ngemot audio rekaman ing tautan share, audio mau bakal disimpen nganti tautan iku aktif (nganti 30 dina ing akun gratis; 30 dina, 90 dina utawa tanpa watesan karo Forever ing rencana bayar) lan dipatèni sawisé 24 jam sawisé tautan wis kadaluwarsa. Audio sing diunggah ora bakal digunakake kanggo latihan. Teks transkripsi bakal diwaca miturut kabijakan pambentukan rencana sampeyan (anonymous 24h, free 30 days, Pro+ permanent).
Ketepatan lan Kesalahan
Transkripsi AI ora sampurna. Kasalahan tembung bisa beda-beda gumantung saka swara, kualitas swara, basa, lan kosakata domain. Kanggo panggunaan kritis (legal, medis, industri sing diatur) verifikasi karo audio asli. Benchmark WER umum kita saben model ana ing /models/.
Takon
Kanggo EU AI Act, GDPR, utawa pitakonan compliance liyane: hello@stt.ai utawa gunakake formulir kontak.
Diperbarui: 2026-08-05.