AI politika un pārredzamība
Ko AI mēs izmantojam, kur tas darbojas, un kā mēs izpildām informācijas atklāšanas prasības (EU AI Act 50 pants, spēkā esošs 2026-08-02).
TL;DR
- Visi transkripti ir AI ģenerēti. Katra izejas ir mašīnlasāma informācijas atklāšana.
- Visi AI darbojas mūsu pašu GPU. Mēs NAV sūtīt jūsu audio vai tekstu uz OpenAI, Antropic, Google, vai jebkura trešās puses LLM API.
- Mēs NAV apmācīt nevienu modeli uz jūsu transkriptiem. Katrs modelis, ko mēs palaist ir off-the-shelf atvērtā pirmkoda modelis. Korekcijas, ko jūs skaidri veicat, tiek savāktas tikai tad, ja jūs izvēlējaties.
- Sintētiskie balss kloni (TTS) ir skaidri marķēti kā AI ģenerēti faila nosaukums, metadati un uz lapas.
Modeļi, kurus mēs izmantojam
| Paraugs | Izmanto | Licence | Skrējējputns |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | Pārraksts (noklusētais) | MIT | Mūsu VPU |
| Whisper large-v3 (faster-whisper) — branded “STT.ai Enhanced” | Pārraksts (apmaksas plāni) | MIT | Mūsu VPU |
| Vosk | Reālā laika vārdu straumēšana | Apache 2.0 | Mūsu VPU |
| SpeechBrain ECAPA-TDNN | Skaļruņu diarizācija | Apache 2.0 | Mūsu VPU |
| MadLAD-400 3B | Tulkojums (450+ valodas) | Apache 2.0 | Mūsu VPU |
| Qwen2.5-1.5B (llama.cpp) | Kopsavilkums, analīze, satura paaudze, RAP tērzēšana | Apache 2.0 | Mūsu VPU |
| Chatterbox (Resemble AI) | Balss klonēšana / teksta uz speech | MIT | Mūsu VPU |
| all-MiniLM-L6-v2 | Ieliktņi RAP meklēšanai | Apache 2.0 | Mūsu VPU |
“STT.ai Pastiprināts” ir mūsu produkta nosaukums Whisper lielā-v3 darbojas uz mūsu pašu GPU. Tas nav pasūtījuma modelis, smalks, vai patentētu svaru — tas ir lielākais un precīzākais Whisper kontrolpunkts. Tas ir precīzāks nekā noklusējuma Whisper large-v3-turbo, un aptuveni 1,5x lēnāk par diarizēto darbu, mērot uz mūsu pašu aparatūras.
Mēs nezvanām OpenAI, Antropic, Google Cloud, vai jebkuru trešo personu LLM API jebkurām funkcijām. Katrs modelis iepriekš darbojas uz aparatūras mēs piederam un darbojas. Vienīgais ārējais AI pakalpojums, kuru mēs izmantojam, ir Translateapi.ai (arī Muddy Holdings) tulkot UI virknes — tas nekad pieskaras jūsu trancēts saturu.
Kā mēs atklājam AI paaudzi
- Atzīmēt HTML lapas: ietver < meta nosaukums=\
- Teksta eksports (TXT, SRT, VTT, JSON, CSV, DOCX, PDF): Katra faila augšpusē ir iekļauta "AI ģenerētā transkripta" galvene.
- Sintētiska balss / TTS izvade: WAV faili ietver "sintētisko balsošanu" tagu metadatos un skaidru paziņojumu par lejupielādes lapā. Audioable atruna ir uz ceļvedi.
- API atbildes: iekļaut _ai_sagatavots: patiess lauks katrā JSON atbildē, kas satur transtracētu saturu.
Mācību dati
- Pamatmodeļi (Wisper, MadLAD, Qwen u.c.) nāk no saviem attiecīgajiem izdevējiem. Mēs tos izmantojam kā kuģus.
- Jūsu transkripti NAV izmantoti, lai apmācītu bāzes modeļus.
- Ja izlabosiet transkripta segmentu (zīmuli ikonu) vai atzīmējat to nepareizi (kartona ikonu), UN jūs esat izvēlējušies / privacy- iestatījumus / ("Paraugs apmācība" iziešanai, noklusējuma izslēgšanai), tad (pareizs teksts → labots teksts) pāri var savākt, lai apmācītu nākotnes teksta labošanas modeli. Tikai teksta pāris — nekad apkārtējo audio — tiek izmantots šajā ceļā. Šodien šāds modelis nepastāv: pāri tiek saglabāti, un uz tiem nav apmācīts nekas, ko mēs pašlaik izmantojam.
- Atsevišķā veidā, Veicināt korekcijas plus audio uz Voice Lab toggle (arī /privacy-settings/, arī noklusējuma izslēgšana) izvēlas jums, lai veicinātu audio segmentiem jums labot, savienot ar laboto tekstu, mūsu Voice Lab datu kopa saskaņā ar CC-BY-SA-4.0. Abas toggles ir neatkarīgas — jūs varat piešķirt gan, vai nu, vai ne.
- Audio jūs augšupielādējat 24 stundu laikā ar stundas tīrīšanas darbu, ar diviem izņēmumiem, kas piemērojami tikai tad, ja jūs tos izvēlējāties. Ja esat izvēlējies "Salikt labojumus + audio uz Balss Lab" / /privacy iestatījumos /, audio arhivēšana notiek līdz 90 dienām, lai ikdienas balss Lab ingest varētu iegūt koriģēto segmentu; kad ir norīts (vai pēc 90 dienām, atkarībā no tā, kura ir agrāk), avots tiek dzēsts. Ja jūs esat pierakstījies un iekļauj savu ierakstu audio akciju saitē, ka audio tiek turēts tik ilgi, kamēr saite ir dzīva (līdz 30 dienām bezmaksas kontā; 30 dienas, 90 dienas vai nenoteikti ar Forever apmaksātā plānā) un tiek dzēsts 24 stundu laikā pēc saites derīguma termiņa beigām. Kopīgo audio neizmanto mācībām. Transcript tekstu seko jūsu plāna saglabāšanas politikai (annexion 24h, Free 30 dienas, Pro+ pastāvīga).
Precizitāte un kļūdas
AI transkripcija nav perfekta. Vārda kļūdu līmenis atšķiras ar skaļruni akcentu, audio kvalitāti, valodu un domēna vārdnīcu. Kritiskai lietošanai (juridiskai, medicīniskai, regulētai rūpniecībai) pārbaudīt pret oriģinālo audio. Mūsu publiskie WER kritēriji katram modelim ir: /models/.
Atbilstības jautājumi
ES AI aktam, VDAR vai citiem atbilstības jautājumiem: hello@stt.ai vai Kontakta forma.
Pēdējo reizi atjaunināts: 2026-08-05.