AI Policy & Transparency
AI anu urang anggo, dimana éta dijalankeun, sareng kumaha urang ngalaksanakeun sarat kabuka (EU AI Act Artikel 50, efektif 2026-08-02).
TL;DR
- Sagala transkripsi dihasilkeun ku AI. Satiap hasilna ngandung katerangan anu bisa dibaca ku mesin.
- Sadaya AI dijalankeun dina GPU urang sorangan. Kami NON ngirim audio atanapi teks anjeun ka OpenAI, Anthropic, Google, atanapi API LLM pihak katilu naon waé.
- Kami NON-latih model mana wae dina transcript anjeun. Satiap model anu kami jalankeun nyaéta model open-source. Pangropéa anu anjeun jelas-jelas dilakukeun ngan dikumpulkeun upami anjeun milih.
- Synthetic voice clones (TTS) jelas dilabelkeun salaku AI-generated dina nami file, metadata, sareng dina halaman.
Model sing kita gunakake
| Model | Digunakaké kanggo | Lisensi | Dijalankan |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | Transkripsi (piawai) | MIT | GPU kita |
| Whisper large-v3 (faster-whisper) — branded “STT.ai Enhanced” | Transkripsi (rencana bayar) | MIT | GPU kita |
| Vosk | Real-time word streaming | Apache 2.0 | GPU kita |
| SpeechBrain ECAPA-TDNN | Speaker diarization | Apache 2.0 | GPU kita |
| MadLAD-400 3B | Terjemah (450+ basa) | Apache 2.0 | GPU kita |
| Qwen2.5-1.5B (llama.cpp) | Ringkasan, analisis, produksi isi, RAG chatting | Apache 2.0 | GPU kita |
| Chatterbox (Resemble AI) | Kloning swara / teks-ka-waca | MIT | GPU kita |
| all-MiniLM-L6-v2 | Penyaring kanggo pencarian RAG | Apache 2.0 | GPU kita |
“STT.ai Enhanced” nyaéta nami produk kami pikeun Whisper ageung-v3 anu dijalankeun dina GPU urang sorangan. Éta henteu modél khusus, fine-tune, atanapi beurat anu dipikaresep - éta titik cek Whisper anu panggedéna sareng paling akurat. Éta langkung akurat tibatan Whisper ageung-v3-turbo anu dipikahoyong, sareng sakitar 1.5x langkung lambat dina padamelan anu dijadwalkeun, diukur dina alat-alat urang sorangan.
Kami henteu ngahubungi OpenAI, Anthropic, Google Cloud, atanapi LLM API pihak katilu pikeun fitur naon waé. Satiap model di luhur dijalankeun dina perkakas anu urang gaduh sareng operasi. Sahiji-hijina jasa AI luar anu urang anggo nyaéta translateapi.ai (sareng Muddy Holdings) pikeun ngawaskeun string UI - ieu henteu kantos nyababkeun isi anu ditransliterasikeun.
Cara kita nyathet generasi AI
- Halaman HTML: include <meta name=\
- Eksport teks (TXT, SRT, VTT, JSON, CSV, DOCX, PDF): ngandung 'AI-generated transcript' baris pangungkeman di luhur sakabéh berkas.
- Suara sintetik / TTS output: Berkas WAV ngandung tag'synthetic-voice' dina metadata sarta peringatan anu jelas dina halaman ngundeur. Disclaimer anu bisa didengarkeun aya dina roadmap.
- Jawaban API: ngawengku _ai_generated:: true medan dina saben balasan JSON nu ngandung isi anu ditranskripsikeun.
Data latihan
- Model dasar (Whisper, MadLAD, Qwen, jsb) datangna dilatih ti penerbitna. Kami nganggona kaya-kaya diangkut.
- Transkripsi sampeyan ora digunakake kanggo nglatih model basis.
- Upami anjeun ngalereskeun bagian transcript (ikon pensil) atawa nyatakeun éta salah (ikon bendera), JEUNG anjeun milih dina /privacy-settings/ ("Model Training" toggle, default off), pasangan (teks anu salah → teks anu dilereskeun) bisa dikumpulkeun pikeun ngalatih model pangénggalna pangénggalna teks-pangénggalna. Ngan pasangan teks — teu pernah audio sakurilingna — dipaké ku jalan ieu. Teu aya model sapertos kitu ayeuna: pasangan ngan disimpen, sarta teu aya anu urang ayeuna nawiskeun anu dilatih dina éta.
- Sacara mandiri, tombol Kontribusi panyebut plus audio ka Lab Suara (di /privacy-settings/ ogé, ogé di-off sacara standar) milih anjeun pikeun ngakontribusikeun audio segmen anu anjeun panyebut, dibarengan ku teks anu dipésér, ka dataset Lab Suara kami di handapeun CC-BY-SA-4.0. Dua tombol ieu mandiri — anjeun bisa masihan salah sahiji, kadua, atawa teu aya.
- Audio anu anjeun unggah bakal dihapus dina 24 jam ku tugas ngabersihan unggal jam, kalayan dua pengecualian anu ngan saukur diterapkeun upami anjeun milihana. Upami anjeun milih "Contribute corrections + audio to Voice Lab" di /privacy-settings/, audio bakal diarsipkeun dugi ka 90 dinten supados Voice Lab tiasa ngabédakeun segmen anu dibédakeun; sanggeus diénggalan (atawa saatos 90 dinten, anu mana anu salajengna), audio sumber bakal dihapus. Upami anjeun ngadaptar sareng ngalebetkeun audio rekaman anjeun kana tautan babagi, audio éta bakal disimpen dugi tautanna aktif (ngantos 30 dinten dina akun bébas; 30 dinten, 90 dinten atanapi tanpa watesan upami anjeun nganggo Forever dina rencana mayar) sareng dihapus dina 24 jam saatos tautanna réngsé. Audio babagi henteu dianggo pikeun latihan. Teks transkripsi nuturkeun kabijakan perlindungan rencana anjeun (anonymous 24h, free 30 days, Pro+ permanent).
Ketepatan lan kesalahan
AI transcription ora sampurna. Kasalahan tembung tingkat beda-beda dening speaker accent, kualitas audio, basa, lan kosakata domain. Kanggo panggunaan kritis (legal, medis, industri diatur) verifikasi ing audio asli. Benchmarks WER umum kita saben model ing /models/.
Takon
Kanggo EU AI Act, GDPR, utawa pitakonan adhedhasar liyane: hello@stt.ai utawa gunakake formulir kontak.
Diperbarui: 2026-08-05.