Politik & Transparenz
Et ass eng vun de gréisste Gemengen an der Belsch, an huet ronn 20.000 Awunner (Stand 2016).
TL;DR
- All Transkriptioune sinn AI- generéiert. All Ausgab huet eng Maschinn- liesbar Offenbarung.
- All AI leeft op eiser eegene GPU. Mir schécken Äert Audio oder Text NI un OpenAI, Anthropic, Google oder eng aner LLM API.
- Mir trainéieren KENGEN Modell op Ären Transkriptiounen. All Modell deen mir lafen ass en off-the-shelf Open-Source Modell. Korrekturen déi Dir explizit maacht ginn nëmmen gesammelt wann Dir et wëllt.
- D'Synthese vun der Stëmm (Synthesized Voice) gëtt als AI-generéiert an de Datei-, Metadaten- an op der Säite-Namen markéiert.
Modelle déi mir benotze
| Modell | Verwendet fir | Lizenz | Läuft op |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | Transkriptioun (Standard) | MIT | D'GPU |
| Whisper large-v3 (faster-whisper) — branded “STT.ai Enhanced” | Transkriptioun (bezuelte Pläng) | MIT | D'GPU |
| Vosk | Echtzäit-Wordstreaming | Apache 2.0 | D'GPU |
| SpeechBrain ECAPA-TDNN | Lëscht vun de Dichter | Apache 2.0 | D'GPU |
| MadLAD-400 3B | Iwwersetzung (450+ Sproochen) | Apache 2.0 | D'GPU |
| Qwen2.5-1.5B (llama.cpp) | Analys, Analysen, Analysen | Apache 2.0 | D'GPU |
| Chatterbox (Resemble AI) | Sprooche-Klonen / Text-zu-Sprooch | MIT | D'GPU |
| all-MiniLM-L6-v2 | Lëscht vun de lëtzebuergesche Gemengen | Apache 2.0 | D'GPU |
"STT.ai Enhanced" ass eise Produktnumm fir Whisper large-v3, deen op eiser eegener GPU leeft. Et ass kee personaliséierte Modell, keng Fine-Tuning oder proprietär Gewiicht - et ass de gréisste a genauste Whisper Checkpoint. Et ass méi genau wéi den standardméissege Whisper large-v3-turbo, an ongeféier 1.5x méi lues op engem diarized Job, gemeet op eiser eegener Hardware.
D'Lëtzebuerger Sprooch ass eng vun de gréisste Sproochen op der Welt, mat enger ongeféier 1,5 Millioune Sproochepräsenz. D'Lëtzebuerger Sprooch ass eng vun de gréisste Sproochen op der Welt, mat enger ongeféier 1,5 Millioune Sproochepräsenz.
D'Generatioun vun der Geschicht
- Websäit vun der Gemeng: include <meta name=\
- Textexporter (TXT, SRT, VTT, JSON, CSV, DOCX, PDF): eng 'AI-generéiert Transkript' Kopfzeil um Ufank vun all Datei abezéien.
- Synthetesch Sprooch / TTS-Ausgab: WAV Dateien enthalen en'synthetesch Stëmm' Tag an Metadaten an eng kloer Noriicht op der Download Säit. Audible Disclaimer ass op der Roadmap.
- API-Antworten: include an _ai_generated: true field in every JSON response that contains transcribed content.
Trainingsdaten
- Basismodeller (Whisper, MadLAD, Qwen, etc.) kommen vun hiren respektiven Editeuren virgetrainéiert. Mir benotzen se wéi se verschéckt ginn.
- D'Resultat ass eng Basis fir d'Entwécklung vun neie Modeller.
- Wann Dir e Transkriptiounssegment korrigéiert (Bleistift-Ikon) oder et als falsch markéiert (Flag-Ikon), an Dir hutt et bei /privacy-settings/ (Model Training" toggle, default off) aktivéiert, kann d'(falsch Text → korrigéiert Text) Koppel fir d'Training vun engem zukünftege Textkorrekturmodell gesammelt ginn. Just d'Textkoppel - ni d'Ëmgéigend Audio - gëtt vun dësem Plang benotzt. Et gëtt haut keen esou Modell: d'Koppelen ginn nëmmen gespeichert, an näischt wat mir aktuell ubidden ass op hinnen trainéiert.
- D'Optioun Korrekturen an Audio un de Voice Lab iwwerdroen (och ënner /privacy-settings/, standardméisseg aus) erlaabt Iech, den Audio vun de Segmenten, déi Dir korrigéiert hutt, zesumme mam korrigéierte Text un eise Voice Lab-Datesatz ënner CC-BY-SA-4.0 ze iwwerdroen. D'Zwee Optiounen sinn onofhängeg - Dir kënnt entweder eng, béid oder keng vun deenen zouloossen.
- Audio, deen Dir erofgelueden hutt, gëtt bannent 24 Stonnen duerch eng Stonn-Säuberungsaufgab geléist, mat zwou Ausnamen, déi nëmmen da gëllen, wann Dir se wielt. Wann Dir "Korrekturen + Audio an Voice Lab bäisst" op /privacy-settings/ aktivéiert hutt, gëtt den Audio bis zu 90 Deeg archiviert, fir datt de Voice Lab d'korrigéiert Segment extrahéiere kann; no der Injektioun (oder no 90 Deeg, wat och ëmmer fréier ass), gëtt den Audioquelle geléist. Wann Dir ugemellt sidd an den Audio vun Ärer Opnam an e Link fir deele füügt, gëtt den Audio sou laang gehalen, wéi de Link live ass (bis zu 30 Deeg op engem gratis Kont; 30 Deeg, 90 Deeg oder onbegrenzt mat Forever op engem bezuelte Plang) an gëtt bannent 24 Stonnen no der Verlafszäit vum Link geléist. De geteilten Audio gëtt net fir Training benotzt. De Transkriptiounstext folgt der Retentiounspolitik vun Ärem Plang (anonym 24h, gratis 30 Deeg, Pro+ permanent).
Präzisioun a Feeler
AI Transkriptioun ass net perfekt. Wierder Feelerraten variéieren no Sprecher Akzent, Audio Qualitéit, Sprooch, an Domain Vokabulaire. Fir kritesch Benotzung (juristesch, medizinesch, reglementéiert Industrien) kontrolléiert géint den originelle Audio. Eis ëffentlech WER Benchmarks pro Modell sinn op /models/.
Compliance Froen
D'EU-Kommissioun huet d'EU-Recht, d'EU-Rechtsnormen an d'EU-Rechtsnormen an der EU-Verfassung festgehale. hello@stt.ai oder benotzt d' Kontaktformular.
Letzt aktualiséiert: 2026-08-05.