ДК ережесі мен мөлдірлігі
Біз қандай ЖІ-ні қолданамыз, ол қайда жұмыс істейді және біз мәліметтерді жариялау талаптарына қалай сәйкес келеміз (Еуропалық Одақ ЖІ-нің актісінің 50-бабы, күшіне енуі 2026-08-02).
TL; DR
- Барлық транскрипттерді ДНҚ жасаған. Әрбір шығарылымда машина оқыйтын мәлімет бар.
- Барлық ДЖ өз графикалық процессорымызда жұмыс істейді. Біз аудио немесе мәтініңізді OpenAI, Anthropic, Google немесе басқа LLM API- ге жібермейміз.
- Біз сіздің аудармаңыз бойынша ешқандай модельді оқытпаймыз. Біз орындайтын әрбір модель ашық көздегі модель. Сіздің түзетулеріңіз тек қана Сіз қосылғанда жиналады.
- Синтетикалық дауыс клондары (TTS) файл атауында, метадеректерде және бетте AI-генерацияланған деп айқын белгіленеді.
Қолданатын үлгілер
| Үлгі | Келесіге қолданылады | Лицензия | Орындалуы |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | Транскрипция (әдетті) | MIT | Біздің графикалық процессор |
| Whisper large-v3 (faster-whisper) — branded “STT.ai Enhanced” | Транскрипция (ақылы жоспарлар) | MIT | Біздің графикалық процессор |
| Vosk | Тікелей сөз ағыны | Apache 2.0 | Біздің графикалық процессор |
| SpeechBrain ECAPA-TDNN | Дисплейді диаризациялау | Apache 2.0 | Біздің графикалық процессор |
| MadLAD-400 3B | Аудару (450+ тіл) Name | Apache 2.0 | Біздің графикалық процессор |
| Qwen2.5-1.5B (llama.cpp) | Тұжырымдама, талдау, мазмұнды құру, RAG чатыName | Apache 2.0 | Біздің графикалық процессор |
| Chatterbox (Resemble AI) | Дыбысты көшіру / Мәтінді сөйлеуге | MIT | Біздің графикалық процессор |
| all-MiniLM-L6-v2 | RAG іздеу үшін енгізілгенName | Apache 2.0 | Біздің графикалық процессор |
“STT.ai Enhanced” is our product name for Whisper large-v3 running on our own GPU. It is not a custom model, a fine-tune, or proprietary weights — it is the largest and most accurate Whisper checkpoint. It is more accurate than the default Whisper large-v3-turbo, and about 1.5x slower on a diarized job, measured on our own hardware.
Біз OpenAI, Anthropic, Google Cloud немесе басқа LLM API- лерді ешбір мүмкіндік үшін қолданбаймыз. Жоғарыда келтірілген әрбір модель біздің жабдықтарымызда жұмыс істейді. Біз қолданатын бір ғана сыртқы AI қызметі translateapi. ai (Muddy Holdings) UI жолдарын аудару үшін - бұл ешқашан сіздің транскрипцияланған мазмұныңызға әсер етпейді.
ДНҚ-ның жаңа буынын қалай ашуға болады
- HTML парақтарын аудару: < meta name=\ include
- Мәтінді экспорттау (TXT, SRT, VTT, JSON, CSV, DOCX, PDF): әрбір файлдың басына 'AI- generated transcript' айдар жолын қосу.
- Синтетикалық дыбыс / TTS шығысы: WAV файлдар метадеректерінде'synthetic- voice' тегі бар және жүктеп алу бетінде анық ескертуі бар. Аудио жауапкершілігінен бас тарту жол картасында көрсетілген.
- API жауаптары: әрбір JSON жауапта аударылған мазмұн бар _ai_generated: true өрісін қосу.
Оқыту деректері
- Негізгі үлгілер (Whisper, MadLAD, Qwen, т. б.) өздерінің шығарушыларынан алдын- ала оқытылған. Біз оларды жеткізілгендей қолданамыз.
- Сіздің транскрипцияларыңыз негізі модельдерді оқыту үшін қолданылмайды.
- Егер сіз транскрипцияның бір сегментін түзетсеңіз (қалам таңбашасы) немесе оны дұрыс емес деп белгілесеңіз (жалауша таңбашасы), және / privacy- settings / дегенде "Моделді үйрету" дегенді таңдасаңыз, онда (бұрыс мәтін - түзетілген мәтін) жұбы болашақ мәтін түзету моделін үйрету үшін жиналады. Бұл жол тек мәтін жұбы - айналасындағы дыбыстар қолданылмайды. Қазір мұндай модель жоқ: жұптар тек сақталады, бізде олармен үйретудің қажеті жоқ.
- Аудио және түзетулерді Voice Lab- қа қосу параметрі (/ privacy- settings / дегенде, әдетті түрде өшірілген) түзеткен сегменттердің аудиосын түзетілген мәтінмен бірге Voice Lab деректер қорына CC- BY- SA- 4. 0 лицензиясы бойынша қосуға мүмкіндік береді. Бұл екі параметр бір- бірінен тәуелсіз, біреуін таңдап, екеуін таңдап, немесе екеуін де таңдап, қоса қос
- Жүктелген аудио файлдар 24 сағат ішінде сағат сайын тазарту тапсырмасы арқылы өшіріледі, тек таңдаған екі жағдай ғана ерекшеленеді. Егер /privacy-settings/ дегендегі "Дыбыс лабораториясына түзетулер мен аудионы қосу" дегенді таңдасаңыз, аудио файлдар 90 күнге дейін архивтеліп, Voice Lab күнделікті тыңдау кезінде түзетілген сегментті шығарады; қабылданғаннан кейін (немесе 90 күннен кейін, қайсысы ертерек болса), бастапқы аудио файлдар өшіріледі. Егер жүйеге кіріп, жазбаңыздың аудио файлын ортақтастыру сілтемесіне қоссаңыз, бұл аудио файлдар сілтеме тіркелгенше сақталады (ақысыз тіркелгіде 30 күнге дейін; төлемді жоспарда 30 күн, 90 күн немесе шексіз уақытқа дейін). Сілтеме мерзімі біткеннен кейін 24 сағат ішінде өшіріледі. Ортақтасқан аудио файлдар оқыту үшін қолданылмайды. Транскрипт мәтініңіз жоспарыңыздың сақтау ережелеріне сәйкес келеді (24 сағат анонимді, 30 күн тегін, Pro+ тұрақты).
Дұрыстығы мен қателері
ДК транскрипциясы мықты емес. Сөз қателерінің жиілігі сөйлеушінің акцентіне, дыбыс сапасына, тіліне және сөздік қорына байланысты. Қажет болғанда (құқықтық, медициналық, заңмен реттелген салаларда) бастапқы дыбыспен салыстырыңыз. WER- дің үлгі бойынша ашық ережелері мына жерде /models/.
Сұрақтар
Еуропалық Одақ ДЖ-ның заңына, GDPR-ға немесе басқа да талаптарға сәйкес келетін сұрақтар үшін: hello@stt.ai немесе келесіні қолданыңыз контакт пішін.
Соңғы жаңартылғаны: 2026-08-05.