AI-politik och öppenhet
Vad AI vi använder, var det körs, och hur vi uppfyller kraven på offentliggörande (EU AI Act Article 50, träder i kraft 2026-08-02).
TL;DR
- Alla utskrifter är AI-genererade.
- All AI körs på vår egen GPU. Vi skickar INTE ditt ljud eller text till OpenAI, Anthropic, Google, eller någon tredje part LLM API.
- Vi tränar INTE någon modell på dina utskrifter. Varje modell vi kör är en off-the-shelf open-source-modell. Rättningar du uttryckligen gör samlas endast om du väljer in.
- Syntetiska röstkloner (TTS) är tydligt märkta som AI-genererad i filnamn, metadata, och på sidan.
Modeller vi använder
| Förlaga | Används för | Licens | Körs på |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | Omvandling (standard) | MIT | Vår GPU |
| Whisper large-v3 (faster-whisper) — branded “STT.ai Enhanced” | Transkription (betald plan) | MIT | Vår GPU |
| Vosk | streaming av ord i realtid | Apache 2.0 | Vår GPU |
| SpeechBrain ECAPA-TDNN | Högtalardiarisering | Apache 2.0 | Vår GPU |
| MadLAD-400 3B | Översättning (450+ språk) | Apache 2.0 | Vår GPU |
| Qwen2.5-1.5B (llama.cpp) | Sammanfattning, analys, innehållsgenerering, RAG chatt | Apache 2.0 | Vår GPU |
| Chatterbox (Resemble AI) | Röstkloning/text-till-tal | MIT | Vår GPU |
| all-MiniLM-L6-v2 | Inbäddningar för sökning i RAG | Apache 2.0 | Vår GPU |
på STT.ai Enhanced, är vårt produktnamn för Whisper stor-v3 kör på vår egen GPU. Det är inte en anpassad modell, en fin-tune, eller egenvikter - det är den största och mest exakta Whisper kontrollpunkt. Det är mer exakt än standard Whisper stor-v3-turbo, och ca 1,5x långsammare på en diarized jobb, mätt på vår egen hårdvara.
Vi kallar inte OpenAI, Anthropic, Google Cloud, eller någon tredje part LLM API för någon funktion. Varje modell ovan körs på hårdvara som vi äger och arbetar. Den enda externa AI-tjänst vi använder är translateapi.ai (även Muddy Holdings) för att översätta UI strängar - detta aldrig berör ditt transkriberade innehåll.
Hur vi avslöjar AI generation
- Transskription av HTML- sidor: innehåller <meta namn=\
- Textexport (TXT, SRT, VTT, JSON, CSV, DOCX, PDF): innehålla en rubrikrad med 'AI-genererad utskrift' högst upp i varje fil.
- Syntetisk röst/TTS-utgång: WAV-filer innehåller en "syntetisk-röst"-tagg i metadata och ett tydligt meddelande på nedladdningssidan. Audible disclaimer finns på färdplanen.
- API-svar: inkludera ett _ai_genererat: sant fält i varje JSON-svar som innehåller transkriberat innehåll.
Utbildningsuppgifter
- Basmodeller (Whisper, MadLAD, Qwen, etc.) kommer förtränade från sina respektive förlag. Vi använder dem som skeppas.
- Dina utskrifter används INTE för att träna basmodeller.
- Om du korrigerar ett utskriftssegment (pennaikonen) eller markerar det felaktigt (flaggikonen), OCH du har valt att använda /privacy-inställningar/ ("Modellutbildning" växla, standard av), kan paret (okorrigerad text → korrigerad text) samlas in för att träna en framtida textkorrigeringsmodell. Endast textparet – aldrig det omgivande ljudet – används av denna sökväg. Ingen sådan modell finns idag: paren lagras bara och inget vi för närvarande tjänar har tränats på dem.
- Separat väljer Bidra korrigeringar plus ljud till Voice Lab att växla (även på /privacy-inställningar /, även standard av) väljer du att bidra ljudet av segment du korrigerar, parat med den korrigerade texten, till vår Voice Lab dataset under CC-BY-SA-4.0. De två Växlarna är oberoende - du kan bevilja antingen, både, eller ingendera.
- Ljud du laddar upp raderas inom 24 timmar med ett timligt saneringsarbete, med två undantag som gäller bara om du väljer dem. Om du har valt att "Bidra rättelser + ljud till röstlabbet" på /privacy-inställningar/, är ljudet arkiverat i upp till 90 dagar så att den dagliga röstlabbet intag kan extrahera det korrigerade segmentet; en gång intas (eller efter 90 dagar, beroende på vilket som är tidigare), källkodsljudet raderas. Om du är inloggad och inkludera din inspelning ljud i en aktielänk, som ljud sparas så länge länken är live (upp till 30 dagar på ett gratis konto; 30 dagar, 90 dagar eller på obestämd tid med Forever på en betald plan) och raderas inom 24 timmar efter att länken löper ut. Delat ljud används inte för utbildning. Avskriftstexten följer policyn för kvarhållande av din plan (anonym 24h, gratis 30 dagar, Pro+ permanent).
Noggrannhet och fel
AI transkription är inte perfekt. Word felfrekvenser varierar efter högtalare accent, ljudkvalitet, språk och domän vokabulär. För kritisk användning (legal, medicinsk, reglerad industri) verifiera mot den ursprungliga ljud. Vår offentliga WER riktmärken per modell är på /models/.
Frågor om efterlevnad
För EU AI-lagen, GDPR eller andra efterlevnadsfrågor: hello@stt.ai eller använd kontaktformulär.
Senast uppdaterad: 2026-08-05.