AI Patakaran & Transparency
Ano ang AI na ginagamit namin, kung saan ito tumatakbo, at kung paano namin sumunod sa mga kinakailangan sa pag-iimbento (EU AI Act Artikulo 50, epektibo 2026-08-02).
Ang.tl ay ang Internet country code top-level domain (ccTLD) para sa Thailand.
- Lahat ng transcripts ay AI-buo. Ang bawat output ay nagdadala ng isang machine-mababasa na pagbubunyag.
- Lahat ng AI ay tumatakbo sa aming sariling GPU. Hindi namin ipadala ang iyong audio o teksto sa OpenAI, Anthropic, Google, o anumang third-party LLM API.
- Hindi namin tren anumang modelo sa iyong transcripts. Ang bawat modelo naming tumakbo ay isang off-the-shelf open-source modelo. Pagwawasto mo malinaw na gumawa ay kinokolekta lamang kung pumili ka sa.
- Ang mga Synthetic voice clones (TTS) ay malinaw na naka-label bilang AI-generated sa pangalan ng file, metadata, at sa pahina.
Mga modelo na ginagamit namin
| Modelo | Ginagamit para sa | Lisensya | Nagtatakbo sa |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | Pagsalin (default) | MIT | Ang aming GPU |
| Whisper large-v3 (faster-whisper) — branded “STT.ai Enhanced” | Transcription (nababayaran plano) | MIT | Ang aming GPU |
| Vosk | Real-time na salita streaming | Apache 2.0 | Ang aming GPU |
| SpeechBrain ECAPA-TDNN | Speaker diarization | Apache 2.0 | Ang aming GPU |
| MadLAD-400 3B | Pagsasalin (450+ wika) | Apache 2.0 | Ang aming GPU |
| Qwen2.5-1.5B (llama.cpp) | Buod, pagtatasa, pagbuo ng nilalaman, RAG chat | Apache 2.0 | Ang aming GPU |
| Chatterbox (Resemble AI) | Voice cloning / teksto-sa-pagsasalita | MIT | Ang aming GPU |
| all-MiniLM-L6-v2 | Embeddings para sa RAG paghahanap | Apache 2.0 | Ang aming GPU |
“STT.ai Enhanced” ang pangalan ng aming produkto para sa Whisper malaking-v3 na tumatakbo sa aming sariling GPU. Ito ay hindi isang custom na modelo, isang fine-tune, o mga may-ari timbang — ito ay ang pinakamalaking at pinaka-tumpak na Whisper checkpoint. Ito ay mas tumpak kaysa sa default Whisper malaking-v3-turbo, at tungkol sa 1.5x mas mabagal sa isang diarized trabaho, sinusukat sa aming sariling hardware.
Hindi namin tinatawag OpenAI, Anthropic, Google Cloud, o anumang third-party LLM API para sa anumang tampok. Ang bawat modelo sa itaas ay tumatakbo sa hardware namin pagmamay-ari at operating. Ang tanging panlabas AI serbisyo namin gamitin ay translateapi.ai (din Muddy Holdings) para sa pagsasalin UI string — ito ay hindi kailanman touching iyong transcribed nilalaman.
Paano namin ihayag AI henerasyon
- Mga pahina ng HTML: Ang "Meta" ay maaaring tumukoy sa: Meta
- Ang mga export ng teksto (TXT, SRT, VTT, JSON, CSV, DOCX, PDF): <i> Magsama ng isang 'AI-nabubuo transcript' header linya sa tuktok ng bawat file.
- Sintetiko boses / TTS output: WAV file isama ang isang'synthetic-voice' tag sa metadata at isang malinaw na abiso sa pahina ng pag-download. Mapakinggan disclaimer ay sa roadmap.
- API tugon: Ang mga ito ay: Ang mga karaniwang uri ng mga selula ay: Ang mga selula ay may mga selula na may mga selula na may mga selula.
Pagsasanay data
- Base modelo (Whisper, MadLAD, Qwen, atbp) dumating pre-trained mula sa kanilang mga publisher. Ginagamit namin ang mga ito bilang-shipped.
- Ang iyong mga transcript ay hindi ginagamit upang magsanay base modelo.
- Kung i-correct mo ang isang transcript segment (ang pencil icon) o markahan ito hindi tama (ang flag icon), AT ikaw ay opted sa sa /privacy-settings/ ("Model Training" toggle, default off), ang (hindi tama na teksto → nawawalang teksto) pares ay maaaring nakolekta upang magsanay ng isang hinaharap na teksto-correction modelo. Lamang ang teksto pares — hindi kailanman ang nakapalibot na audio — ay ginagamit sa pamamagitan ng path na ito. Walang tulad ng modelo ay umiiral ngayon: ang mga pares ay lamang naka-imbak, at walang kasalukuyang nagsilbi kami ay nasanay sa kanila.
- Hiwalay, ang Contribute corrections plus audio to Voice Lab toggle (na matatagpuan din sa /privacy-settings/, default na hindi na magagamit) ay nagpapahintulot sa iyo na mag-ambag ng audio ng mga segment na iyong kinorekta, kasama ang na-korrektang teksto, sa aming Voice Lab dataset sa ilalim ng CC-BY-SA-4.0. Ang dalawang toggle ay independiyente — maaari mong bigyan ng alinman, pareho, o wala.
- Ang audio na iyong i-upload ay aalisin sa loob ng 24 oras sa pamamagitan ng isang orasang paglilinis, na may dalawang pagbubukod na nalalapat lamang kung pipiliin mo sila. Kung nag-opt ka sa "Ibahagi ang mga pagwawasto + audio sa Voice Lab" sa /privacy-settings/, ang audio ay mai-archive para sa hanggang sa 90 araw upang ang pang-araw-araw na Voice Lab ingest ay maaaring mag-extract ng na-correct na segment; kapag na-ingest (o pagkatapos ng 90 araw, alin man ang mas maaga), ang source audio ay aalisin. Kung naka-sign in ka at isama ang audio ng iyong recording sa isang link na ibahagi, ang audio na iyon ay mananatili hangga't ang link ay live (hanggang sa 30 araw sa isang libreng account; 30 araw, 90 araw o walang hanggan sa Forever sa isang bayad na plano) at aalisin sa loob ng 24 oras pagkatapos ng link expires. Ang ibahagi audio ay hindi ginagamit para sa pagsasanay. Ang teksto ng transcript ay sumusunod sa patakaran ng pag-iingat ng iyong plano (anonymize 24h, libre 30 araw, Pro + permanente).
Katumpakan at mga error
AI transcription ay hindi perpekto. Word error rate ay nag-iiba sa pamamagitan ng speaker accent, kalidad ng audio, wika, at domain bokabularyo. Para sa kritikal na paggamit (legal, medikal, regulated industriya) suriin laban sa orihinal na audio. Ang aming mga pampublikong WER benchmarks bawat modelo ay sa /models/.
Mga katanungan sa pagsunod
Para sa EU AI Act, GDPR, o iba pang mga katanungan sa pagsunod: hello@stt.ai o gamitin ang form ng contact.
Huling na-update: 2026-08-05.