Polityka i przejrzystość AI
Co używamy CI, gdzie działa i w jaki sposób spełniamy wymogi dotyczące ujawniania informacji (art. 50 ustawy UE AI, skuteczna z 2026-08-02).
TL;DR
- Wszystkie transkrypty są generowane przez AI.
- Wszystkie AI działają na własny GPU. NIE wysyłamy Twojego dźwięku lub tekstu do OpenAI, Antropic, Google, ani dowolnej strony trzeciej LLM API.
- NIE trenujemy żadnego modelu na transkryptach. Każdy model, który uruchomimy jest modelem otwartym. Korekty, które wykonasz wyraźnie, są zbierane tylko wtedy, gdy się zdecydujesz.
- Klony głosowe syntetyczne (TTS) są wyraźnie oznaczone jako AI generowane w nazwie pliku, metadanych i na stronie.
Modele, których używamy
| Wzór | Używane do | Licencja | /Przebiega |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | Transcription (domyślnie) | MIT | Nasz GPU |
| Whisper large-v3 (faster-whisper) — branded “STT.ai Enhanced” | Przepisy (plany płatne) | MIT | Nasz GPU |
| Vosk | Przepływ słów w czasie rzeczywistym | Apache 2.0 | Nasz GPU |
| SpeechBrain ECAPA-TDNN | Diarizacja głośnika | Apache 2.0 | Nasz GPU |
| MadLAD-400 3B | Tłumaczenie (450+ języków) | Apache 2.0 | Nasz GPU |
| Qwen2.5-1.5B (llama.cpp) | Podsumowanie, analiza, generowanie treści, czat RAG | Apache 2.0 | Nasz GPU |
| Chatterbox (Resemble AI) | Klonowanie głosu / klonowanie tekstu do języka | MIT | Nasz GPU |
| all-MiniLM-L6-v2 | Wbudowane elementy wyszukiwania RAG | Apache 2.0 | Nasz GPU |
“STT.ai Exploed” to nazwa produktu dla Whisper big-v3 działającego na własny GPU. Nie jest to model własny, drobny, lub zastrzeżony wag – jest to największy i najbardziej dokładny punkt kontrolny Whisper. Jest to bardziej dokładne niż domyślny Whisper big-v3-turbo, i około 1,5x wolniej na zdiaryzowanej pracy, mierzony na własnym sprzętie.
Nie nazywamy OpenAI, Antropic, Google Cloud, ani żadnej strony trzeciej LLM API. Każdy model powyżej działa na sprzętu, który posiadamy i obsługujemy. Jedynym zewnętrznym usługą AI, którą używamy, jest translateapi.ai (także Muddy Holdings) do tłumaczenia struny UI – to nigdy nie dotyka Twojej transkrybowanej treści.
Jak ujawniamy pokolenie AI
- Stronami HTML transkripta: zawierają < meta name=\
- Eksport tekstu (TXT, SRT, VTT, JSON, CSV, DOCX, PDF): wpisuje się w wiersz „AI generowany transkrypty” na szczycie każdego pliku.
- Wynik syntetyczny / TTS: Pliki WAV zawierają teg'syntetyczne-głosy' w metadanych i czyste zawiadomienie na stronie pobierania. Słyszalne odmowy odmowy są w planie działania.
- Odpowiedzi API: zawiera _ai_generowane: prawdziwe pole w każdej odpowiedzi JSON, która zawiera transkrybowaną zawartość.
Dane dotyczące szkolenia
- Modele bazowe (Whisper, MadLAD, Qwen itp.) pochodzą z ich odpowiednich wydawców wstępnie wyszkolone.
- Twoje transkrypty nie są używane do szkolenia modeli bazowych.
- Jeśli poprawisz segment transkryptu (ikonka ołówka) lub zaznaczysz go nieprawidłowo (ikonka flagi), TYM wybierasz ustawienia /privacy-settings/ ("Model Training" wyłącz, domyślnie), para (nieprawidłowy tekst → skorygowany) może być zbierana do treningu przyszłego modelu korekcji tekstu. Tylko para tekstu — nigdy nie otaczająca się dźwiękiem — jest używana przez tę ścieżkę. Nie istnieje dzisiaj taki model: pary są przechowywane tylko i nic, co obecnie służymy nie zostało na nich przeszkolone.
- Odrębnie, korekty Conprivate plus audio do Voice Lab przełącza (także w /privacy-settings /, również domyślnie wyłącza) optymalizuje Cię do wnoszenia dźwięku segmentów poprawnie, w połączeniu z poprawionym tekstem, do naszego zestawu danych Voice Lab w ramach CC-BY-SA-4.0. Dwa przełączniki są niezależne — możesz udzielić zarówno jedno, jak i drugie.
- Wysyłanie dźwięku jest usuwane w ciągu 24 godzin przez godzinne zadanie czyszczenia, z dwoma wyjątkami, które mają zastosowanie tylko w przypadku wyboru. Jeśli zdecydowaliście się do "Wkładaj poprawki + audio do Voice Lab" w /ustawieniach prywatności /, audio jest archiwizowane przez do 90 dni, tak że codzienne Voice Lab może wydobyć poprawiony segment; po po spożyciu (lub po 90 dniach, w zależności od tego, co jest wcześniej), audio źródłowe jest usuwane w ciągu 24 godzin po wygaśnięciu linku. Jeśli włączycie nagranie w łącze z udziałem, dźwięk jest przechowywany tak długo, jak jest link żywy (do 30 dni na bezpłatnym koncie; 30 dni, 90 dni lub nieokreślone z Forevery for a plan) i jest usuwany w ciągu 24 godzin po wygaśnięciu. Wspólny dźwięk nie jest używany do treningu. Tekst transkriptu jest zgodny z zasadą zachowania planu (a 24h, bezpłatn
Dokładność i błędy
Transkrypcja AI nie jest idealna. Wskaźniki błędów słowa różnią się przez akcent głośnik, jakość dźwięku, język i słownictwo domenowe. Do krytycznego użytku (legalne, medyczne, regulowane przemysły) sprawdzają w stosunku do oryginalnego audio. Nasze publiczne wskaźniki WER na model są na /models/.
Kwestie zgodności
W odniesieniu do unijnego aktu o zakłóceniu konkurencji, GDPR lub innych pytań dotyczących zgodności: hello@stt.ai lub stosować formularz kontaktowy.
Ostatnia aktualizacja: 2026-08-05.