គោលការណ៍ AI និងភាពថ្លា
តើយើងប្រើ AI អ្វី, កន្លែងដែលវារត់និងរបៀបដែលយើងអនុវត្តតាមតម្រូវការនៃការបង្ហាញ (ច្បាប់ AI របស់សហភាពអឺរ៉ុបមាត្រា 50, មានប្រសិទ្ធភាព 2026-08-02) ។
TL; DR
- អត្ថបទទាំងអស់ត្រូវបានបង្កើតដោយ AI & # 160; ។ លទ្ធផលទាំងអស់មានការបង្ហាញដែលអាចអានដោយម៉ាស៊ីន & # 160; ។
- ទាំងអស់ AI ដំណើរការនៅលើ GPU ផ្ទាល់ខ្លួនរបស់យើង. យើងមិនផ្ញើសំឡេងឬអត្ថបទរបស់អ្នកទៅ OpenAI, Anthropic, Google, ឬភាគីទីបីណាមួយ LLM API.
- យើងមិនបណ្តុះបណ្តាលម៉ូដែលណាមួយនៅលើ transcripts របស់អ្នក. ម៉ូដែលទាំងអស់ដែលយើងរត់គឺមានម៉ូដែលប្រភពបើកចំហក្រៅពីជញ្ជាំង. ការកែតម្រូវដែលអ្នកធ្វើដោយផ្ទាល់ត្រូវបានប្រមូលតែបើអ្នកជ្រើសក្នុង.
- ក្លូនសំឡេងសរីរាង្គ (TTS) ត្រូវបានដាក់ស្លាកយ៉ាងច្បាស់ថាជា AI- បង្កើតក្នុងឈ្មោះឯកសារ ទិន្នន័យមេតា និងលើទំព័រ & # 160; ។
ម៉ូដែលដែលយើងប្រើ
| ម៉ូដែល | ប្រើសម្រាប់ | អាជ្ញាបណ្ណ | រត់លើ |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | បដិសេធការបម្លែង (លំនាំដើម) | MIT | GPU របស់យើង |
| Whisper large-v3 (faster-whisper) — branded “STT.ai Enhanced” | ការបកប្រែ (ផែនការដែលបានបង់) | MIT | GPU របស់យើង |
| Vosk | ស្ទ្រីមពាក្យពេលវេលាពិត | Apache 2.0 | GPU របស់យើង |
| SpeechBrain ECAPA-TDNN | ការកំណត់អត្តសញ្ញាណអ្នកនិយាយ | Apache 2.0 | GPU របស់យើង |
| MadLAD-400 3B | ការបកប្រែ (450+ ភាសា) | Apache 2.0 | GPU របស់យើង |
| Qwen2.5-1.5B (llama.cpp) | សង្ខេប ការវិភាគ ការបង្កើតមាតិកា ការជជែកកំសាន្ត RAG | Apache 2.0 | GPU របស់យើង |
| Chatterbox (Resemble AI) | ក្លូនសំឡេង / អត្ថបទទៅការនិយាយ | MIT | GPU របស់យើង |
| all-MiniLM-L6-v2 | ការបង្កប់សម្រាប់ការស្វែងរក RAG | Apache 2.0 | GPU របស់យើង |
“STT.ai Enhanced” គឺជាឈ្មោះផលិតផលរបស់យើងសម្រាប់ Whisper ធំ-v3 កំពុងរត់នៅលើ GPU ផ្ទាល់ខ្លួនរបស់យើង. វាមិនមែនជាម៉ូដែលផ្ទាល់ខ្លួន, កែតម្រូវល្អ, ឬទម្ងន់កម្មសិទ្ធិ - វាគឺជាចំណុចពិនិត្យ Whisper ធំបំផុតនិងត្រឹមត្រូវបំផុត. វាគឺត្រឹមត្រូវជាង Whisper លំនាំដើមធំ-v3-turbo, និងអំពី 1.5x យឺតលើការងារ diarized, វាស់លើផ្នែករឹងផ្ទាល់ខ្លួនរបស់យើង.
យើងមិនហៅ OpenAI, Anthropic, Google Cloud, ឬភាគីទីបីណាមួយ LLM API សម្រាប់លក្ខណៈពិសេសណាមួយ. ម៉ូដែលទាំងអស់ខាងលើរត់នៅលើផ្នែករឹងដែលយើងមាននិងប្រតិបត្តិការ. សេវា AI ខាងក្រៅតែមួយគត់ដែលយើងប្រើគឺ translateapi.ai (ផងដែរ Muddy Holdings) សម្រាប់បកប្រែខ្សែអក្សរ UI - នេះមិនដែលប៉ះមាតិការបស់អ្នក transcribed.
របៀបដែលយើងបង្ហាញ AI ជំនាន់
- ទំព័រ HTML ដែលបានបកប្រែ: រួមបញ្ចូល < ឈ្មោះមេតា =\
- នាំចេញអត្ថបទ (TXT, SRT, VTT, JSON, CSV, DOCX, PDF): រួមបញ្ចូលបន្ទាត់បឋមកថា 'AI- generated transcript' នៅកំពូលឯកសារនីមួយៗ & # 160; ។
- លទ្ធផលសំឡេងសំយោគ / TTS: ឯកសារ WAV រួមបញ្ចូលស្លាក 'សំឡេងសរីរាង្គ' ក្នុងទិន្នន័យមេតា និងការជូនដំណឹងច្បាស់លាស់នៅលើទំព័រទាញយក & # 160; ។ ការលុបចោលដែលអាចស្ដាប់បានគឺនៅលើផែនទីផ្លូវ & # 160; ។
- ការឆ្លើយតប API: រួមបញ្ចូល _ai_generated: វាលពិតនៅក្នុងការឆ្លើយតប JSON ទាំងអស់ដែលមានមាតិកាបានសរសេរជាសំឡេង ។
ទិន្នន័យការបង្ហាត់
- គំរូមូលដ្ឋាន (Whisper, MadLAD, Qwen, ល) មកពីការបណ្តុះបណ្តាលពីមុនពីអ្នកបោះពុម្ពផ្សាយរៀងៗខ្លួនរបស់ពួកគេ ។ យើងប្រើពួកគេដូចជាដឹកជញ្ជូន ។
- អត្ថបទចម្លងរបស់អ្នកមិនត្រូវបានប្រើដើម្បីបណ្តុះម៉ូដែលមូលដ្ឋានទេ & # 160; ។
- ប្រសិនបើអ្នកកែចម្រៀកអត្ថបទសរសេរជាសំឡេង (រូបតំណាងធ្នូ) ឬសម្គាល់វាមិនត្រឹមត្រូវ (រូបតំណាងទង់) ហើយអ្នកបានជ្រើសនៅក្នុង / privacy- settings / (បិទបើកការបង្រៀនគំរូបិទលំនាំដើម) នោះគូ (អត្ថបទមិនត្រឹមត្រូវ → អត្ថបទដែលបានកែ) អាចត្រូវបានប្រមូលដើម្បីហ្វឹកហាត់គំរូកែអត្ថបទនាពេលអនាគត & # 160; ។ មានតែគូអត្ថបទប៉ុណ្ណោះ - មិនមែនអូឌីយ៉ូនៅជុំវិញទេ - ត្រូវបានប្រើដោយផ្លូវនេះ & # 160; ។ គ្មានគំរូដូចនេះទេនៅថ្ងៃនេះ & # 160; ៖ គូត្រូវបានរក្សាទុកតែប៉ុណ្ណោះ ហើយគ្មានអ្វីដែលយើងកំពុងតែផ្ដល់សេវាបច្ចុប្បន្នបានហ្វឹកហាត់លើពួកវាទេ & # 160; ។
- ដាច់ដោយឡែកពីគ្នា ប៊ូតុងបិទ/ បើក ផ្តល់ការកែសម្រួលបន្ថែមទៀតអូឌីយ៉ូទៅកាន់មន្ទីរពិសោធន៍សំឡេង (ក៏នៅ / privacy- settings /, លំនាំដើមបិទដែរ) អនុញ្ញាតឲ្យអ្នកចូលរួមចំណែកអូឌីយ៉ូនៃផ្នែកដែលអ្នកកែសម្រួល រួមជាមួយអត្ថបទដែលបានកែសម្រួលទៅកាន់សំណុំទិន្នន័យមន្ទីរពិសោធន៍សំឡេងរបស់យើងក្រោម CC-BY-SA-4.0 ។ ប៊ូតុងបិទ/ បើកទាំងពីរគឺឯករាជ្យ — អ្នកអាចផ្តល់ឲ្យទាំងពីរ ឬមិនឲ្យទាំងពីរទេ ។
- អូឌីយ៉ូដែលអ្នកផ្ទុកឡើងត្រូវបានលុបក្នុងរយៈពេល 24 ម៉ោងដោយការងារសម្អាតរៀងរាល់ម៉ោងមួយជាមួយនឹងករណីលើកលែងពីរដែលអនុវត្តតែបើអ្នកជ្រើសពួកវា ។ ប្រសិនបើអ្នកបានជ្រើសក្នុង "ចូលរួមកែ + អូឌីយ៉ូទៅ Lab សំឡេង" នៅ / privacy- settings / អូឌីយ៉ូត្រូវបានបម្រុងទុកសម្រាប់រហូតដល់ 90 ថ្ងៃ ដូច្នេះការលុបប្រចាំថ្ងៃរបស់ Lab សំឡេងអាចស្រង់យកផ្នែកដែលបានកែម្តងបានលុប (ឬក្រោយពី 90 ថ្ងៃ, អ្វីដែលលឿនជាងនេះ) អូឌីយ៉ូប្រភពត្រូវបានលុប ។ ប្រសិនបើអ្នកបានចុះឈ្មោះចូល និងរួមបញ្ចូលអូឌីយ៉ូនៃការថតរបស់អ្នកក្នុងតំណចែករំលែក អូឌីយ៉ូនោះត្រូវបានរក្សាទុកសម្រាប់រយៈពេលដែលតំណគឺរស់ (រហូតដល់ 30 ថ្ងៃលើគណនីឥតគិតថ្លៃ; 30 ថ្ងៃ, 90 ថ្ងៃ ឬមិនកំណត់ជាមួយនឹងផែនការបង់ប្រាក់ជារៀងរហូត) និងត្រូវបានលុបក្នុងរយៈពេល 24 ម៉ោងបន្ទាប់ពីផែនការផុតកំណត់ ។ អូឌីយ៉ូដែលបានចែករំលែកមិនត្រូវបានប្រើសម្រាប់ការបណ្តុះបណ្តាល ។ អត្ថបទចម្លងតាមគោលការណ៍រក្សាទុកនៃផែនការរបស់អ្នក (អនាមិក 24h, ឥតគិតថ្លៃ 30 ថ្ងៃ, Pro+ ដដែល) ។
ភាពត្រឹមត្រូវ និងកំហុស
និពន្ធជាអក្សរ AI គឺមិនល្អឥតខ្ចោះ. អត្រាកំហុសពាក្យប្រែប្រួលដោយសំឡេងអក្សរ, គុណភាពអូឌីយ៉ូ, ភាសា, និងវចនានុក្រមដែន. សម្រាប់ការប្រើប្រាស់សំខាន់ (ច្បាប់, វេជ្ជសាស្រ្ត, ឧស្សាហកម្មគ្រប់គ្រង) ផ្ទៀងផ្ទាត់ប្រឆាំងនឹងអូឌីយ៉ូដើម. គោលដៅប្រៀបធៀបសាធារណៈរបស់យើង WER ក្នុងមួយម៉ូដែលគឺនៅ /models/.
សំណួរដែលត្រូវតាម
សម្រាប់ច្បាប់ AI របស់សហភាពអឺរ៉ុប, GDPR, ឬសំណួរផ្សេងទៀតនៃការអនុវត្ត: hello@stt.ai ឬប្រើ សំណុំបែបបទទំនាក់ទំនង.
ធ្វើឲ្យទាន់សម័យចុងក្រោយ & # 160; ៖ 2026-08-05.