ХИ сәясәте һәм ачыклык
Бу терминның берничә мәгънәсе бар: 1000 — Милади тәкъвим буенча V гасырга кергән ел.
Т. 1: Т.
- Барлык транскрипцияләр дә уйлап табылган. Һәрбер чыганак машина укый торган ачыклауны йөртә.
- Барлык ИИ үзебезнең GPU-да эшли. Без сезнең аудио яки текстны OpenAI, Anthropic, Google яки башка LLM API-га җибәрмибез.
- Без сезнең язмагызда бернинди модельне дә өйрәтмибез. Безнең һәрбер модельебез ачык чыганаклы модель. Сезнең ачыктан-ачык ясаган төзәтмәләрегез бары тик сез рөхсәт биргән очракта гына җыела.
- Синтезланган тавыш клоннары (TTS) файл исеме, метадан һәм биттә AI-генерацияләнгән дип ачык билгеләнә.
Без кулланган модельләр
| Модель | Бу өчен кулланыла | Лицензия | Эшли |
|---|---|---|---|
| Whisper large-v3-turbo (faster-whisper) | Транскрипция (өстәмә) | MIT | Безнең GPU |
| Whisper large-v3 (faster-whisper) — branded “STT.ai Enhanced” | Транскрипция (бушлай планнар) | MIT | Безнең GPU |
| Vosk | Реаль вакытлы сүз агымы | Apache 2.0 | Безнең GPU |
| SpeechBrain ECAPA-TDNN | Сүзлек сүзлек | Apache 2.0 | Безнең GPU |
| MadLAD-400 3B | Татар теле (450+ тел) | Apache 2.0 | Безнең GPU |
| Qwen2.5-1.5B (llama.cpp) | 1995 — Илдар Хәйруллин, татар язучысы, публицист, тәрҗемәче. | Apache 2.0 | Безнең GPU |
| Chatterbox (Resemble AI) | Тел клонлаштыру / тексттан сөйләмгә | MIT | Безнең GPU |
| all-MiniLM-L6-v2 | RAG эзләү өчен кертемнәр | Apache 2.0 | Безнең GPU |
"STT.ai Enhanced" безнең үз گرافیк процессорыбызда эшләүче Whisper large-v3 өчен продукт исеме. Бу үзенчәлекле модель түгел, ул яхшылап көйләнгән, яки үзебезнең авырлык түгел - ул иң зур һәм иң төгәл Whisper контроль ноктасы. Ул default Whisper large-v3-turbo дан төгәлрәк, һәм безнең үз җайланмабызда үлчәүләнгән көндәлек эштә 1.5x тизрәк.
Без OpenAI, Anthropic, Google Cloud, яки башка LLM API өчен бернинди функцияләр чакырмый. Һәр модель өстендә эшли без үзебезнең аппаратура һәм идарә. Безнең кулланган бердәнбер тыштагы AI хезмәте translateapi.ai (әле Muddy Holdings) UI җөмләләрен тәрҗемә өчен - бу сезнең транскрипцияләнгән эчтәлеген тоташтырмый.
1999 елдан — БР Дәүләт шурасы депутаты.
- HTML битләрен тәрҗемә итү: include <мета исеме=\
- Мәкаләләр экспортлау (TXT, SRT, VTT, JSON, CSV, DOCX, PDF): һәрбер файлның өстенә 'AI-генерированный транскрипт' башлык юлын кертү.
- Синтезланган тавыш / TTS чыганагы: WAV файллары метаданышта "синтетик тавыш" билгесен һәм төшерү битендә ачык хәбәрне кертә. Аудио җаваплылыкны чикләү юл картасында.
- API җаваплары: һәрбер JSON җавапында _ai_generated: true мәйданын кертү, ул транскрипцияләнгән эчтәлекне үз эченә ала.
Дәреслек мәгълүматлары
- Баш модельләр (Whisper, MadLAD, Qwen һ.б.) үзләренең чыганакларыннан алдан әзерләнгән. Без аларны җибәрелгән кебек кулланабыз.
- Сезнең транскрипцияләрегез база модельләрен өйрәтү өчен кулланылмый.
- Әгәр сез транскрипция сегментын төзәтсәгез (каләм билгесе) яки аны дөрес булмаган дип билгеләсәгез (флаг билгесе), һәм /privacy-settings/ ("Model Training" тотализаторы, default off) параметрын сайлаган булсагыз, (ялган текст → дөресләнгән текст) пары киләчәктә текст төзәтү моделен өйрәтү өчен җыела ала. Бу юлда бары тик текст пары гына кулланыла, тирә-яктагы аудионы кулланмый. Бүген мондый модель юк: парлар бары тик саклана, һәм без хәзерге вакытта аларны өйрәтмәгәннәр.
- Шулай ук, "Сүз лабораториясенә төзәтмәләр һәм аудионы кертү" төймәсен (/privacy-settings/ урнашкан, әүвәлгечә буш) басу сезгә CC-BY-SA-4.0 нигезендә төзәтелгән текст белән бергә, сез төзәткән сегментларның аудиосын безнең Сүз лабораториясенә кертергә мөмкинлек бирә. Бу ике төймә аерым эшли - сез аларны берсен, икесен дә яки берсен дә бирмичә калдыра аласыз.
- Audio you upload is deleted within 24 hours by an hourly cleanup job, with two exceptions that apply only if you choose them. If you have opted in to "Contribute corrections + audio to Voice Lab" at /privacy-settings/, the audio is archived for up to 90 days so the daily Voice Lab ingest can extract the corrected segment; once ingested (or after 90 days, whichever is sooner), the source audio is deleted. If you are signed in and include your recording's audio in a share link, that audio is kept for as long as the link is live (up to 30 days on a free account; 30 days, 90 days or indefinitely with Forever on a paid plan) and is deleted within 24 hours after the link expires. Shared audio is not used for training. The transcript text follows the retention policy of your plan (anonymous 24h, free 30 days, Pro+ permanent).
Тыгызлык һәм хаталар
AI транскрипциясе камил түгел. Сүз хаталары дәрәҗәсе сөйләүченең акценты, аудио сыйфаты, теле һәм сүзлек запасы белән үзгәрә. Күзәтүче куллану өчен (хокукый, медицина, контрольләнгән тармаклар) оригинал аудио белән тикшерегез. Безнең ачык WER бәяләмәләре модель буенча /models/.
Согласование сораулары
EU AI Act, GDPR, яки башка таләпләргә туры килү сораулары өчен: hello@stt.ai яки кулланыгыз контакт формасы.
Соңгы яңарту: 2026-08-05.