Jokainen suuri sanelutuote – Dragon, Otter, Googlen sanelu, Applen sanelu, kaikki pilvipohjaiset transkriptio-SaaS-palvelut – lähettää äänesi jonkun toisen palvelimelle. Ääni tallennetaan laitteellesi, suoratoistetaan HTTPS-yhteydellä datakeskukseen, transkriboidaan siellä ja teksti palautetaan. Joskus ääni tallennetaan. Joskus sitä käytetään mallien kouluttamiseen. Joskus se "anonymisoidaan", mikä on sana, joka on menettänyt suurimman osan merkityksestään.
Meidän mielestämme tämä on väärä oletusarvo.
Mitä ihmiset oikeasti diktoivat
Kun alat tarkkailla todellista käyttöä, sanelun sisältö on lähes koskaan arkista. Se on:
- Lääketieteelliset muistiinpanot — lääkäri kirjoittaa konsultaation ylös.
- Oikeudelliset luonnokset – asianajajan sanelema vaatimus tai asiakaskirje.
- Journalismi – haastattelut nimettyjen lähteiden kanssa, jotka olettivat, että äänitys ei poistuisi toimittajan koneelta.
- Terapiamuistiinpanot – psykologin laatimat tapaamisten yhteenvedot.
- Yritysstrategia – johtaja, joka luonnostelee muistioita kaupoista, ihmisistä ja rahasta.
- Henkilökohtaiset päiväkirjat — asiat, joita ihmiset todella ajattelevat ja joita kenenkään muun ei pitäisi koskaan lukea.
Kaikki tämä lähetetään oletuksena säännöllisesti pilvipalveluihin. Usein HIPAA:n, GDPR:n, asianajajan ja asiakkaan välisen luottamuksellisuuden tai yksinkertaisen kunniallisuuden vastaisesti – koska käyttäjä ei ollut tietoinen tai hänellä ei ollut vaihtoehtoa.
Mitä Voice Pro tekee eri tavalla
- Ei pilvitilaa, piste. Vaihtokytkintä ”lähetä palvelimelle paremman tarkkuuden vuoksi” ei ole. Malli toimii CPU:llasi tai GPU:llasi. Se on ainoa vaihtoehto.
- Ei telemetriaa. Sovellus ei lähetä kotiin käyttötilastoja, kaatumisraportteja tai mitään muuta. Ainoat verkkokutsut ovat (a) lisenssitarkistus käynnistyksen yhteydessä, (b) päivitystarkistus, (c) valinnaiset manuaaliset mallilataukset. Kaikki kolme on dokumentoitu ja ne voidaan poistaa käytöstä.
- Transkribointiin ei vaadita tiliä. Voit käyttää 14 päivän kokeilujaksoa ilman tilin luomista. Sähköpostiosoite tarvitaan vain, jos haluat ostaa lisenssin.
- Ääni ei koskaan kirjoitu levylle. Äänipuskuri sijaitsee RAM-muistissa transkription aikana ja vapautuu heti, kun teksti on tuotettu. Ei vuotoa, ei forensista palauttamista.
Voivatko paikalliset mallit todella vastata pilveä?
Kaksi vuotta sitten ei. Paikallinen 100 Mt:n malli kannettavan tietokoneen CPU:ssa ei pystynyt kilpailemaan sen kanssa, mitä Googlen datakeskus teki 200 Gt:n mallilla ja 40 GPU:lla.
Nykyään kyllä. Qwen3-ASR 3B keskitason CPU:lla saavuttaa sanavirheprosentit, jotka ovat enintään 2 prosentin päässä suurten pilvipalveluntarjoajien tasosta useimmissa kielissä, ja voittaa niillä vähäresurssisilla kielillä, joilla pilvipalveluntarjoajilla on vähemmän koulutusdataa. Erityisesti sanelussa – lyhyet, tarkoitukselliset lausumat – ero on lähempänä 0 %. Paikallisesta ASR:stä on hiljaa tullut riittävän hyvä, ja se paranee jatkuvasti. Me vain valitsemme toimittaa sen.
Periaate
Äänesi on luomaasi henkilökohtaisinta dataa. Se kantaa mukanaan identiteettisi, ajatuksesi, ihmiset, joista puhut, ja sanat, jotka valitsit, kun kukaan ei muokannut. Sen ei pitäisi poistua koneeltasi, ellet nimenomaisesti ja tietoisesti lähetä sitä jonnekin.
Se ei ole markkinointilause. Se on koko syy, miksi tuote on olemassa.