Kort fortalt
Ja, det er muligt, men det er sjældnere, end markedsføringen giver indtryk af. Transskription, der kører på din egen enhed, og transskription, der kører på en server, er to forskellige opbygninger – ikke en indstilling, du kan slå til eller fra – og de fleste apps er af servertypen, fordi en lokal model kræver lagerplads og kører langsommere på ældre hardware. En privatlivspolitik, der lover kryptering under transport, beskriver forbindelsen, ikke destinationen. Spørg om tre ting, uanset hvilket værktøj du overvejer: forlader lyden enheden, hvor længe opbevares den, og bruges den til at træne noget?
Hvis du sidder med en optagelse af en terapisession, en samtale med en advokat eller et møde, der aldrig var tænkt til at forlade rummet, er spørgsmålet ikke akademisk. Du vil vide, om filen kan blive til tekst uden at en kopi af den ender på en fremmed servers harddisk. Svaret findes, og det er mere specifikt end de fleste produktsider giver udtryk for.
Det følgende er den ærlige udgave af historien: hvad der kører lokalt, hvad der ikke gør, hvorfor opdelingen falder, som den gør, og hvad du bør spørge om, før du betror et værktøj lydoptagelser, du ikke kan tage tilbage.
Lokal transskription og servertransskription er to forskellige opbygninger
Det vigtigste at forstå er, at dette ikke er en privatlivsindstilling, en app giver dig. Transskription, der sker på din telefon eller computer, og transskription, der sker på en fjern maskine, er forskellige arkitekturer. En app er bygget på én af de to måder. Der findes ikke en gemt kontakt i indstillingerne, der flytter arbejdet fra en server til din enhed, fordi de dele, der kræves til lokal behandling, enten er indbygget i appen fra starten – eller de er ikke.
Lokal transskription betyder, at en talegenkendelsesmodel ligger på din enhed. Din lyd sendes ind i den der, teksten kommer ud der, og intet behøver at rejse nogen steder. Servertransskription betyder, at din lyd sendes et sted hen, behandles på hardware, du ikke har kontrol over, og teksten sendes tilbage. Begge kan være godt lavet. Begge kan være dårligt lavet. Men kun den ene holder lyden i dine egne hænder, og hvilken af de to du bruger, er en kendsgerning om softwaren – ikke om, hvor omhyggeligt du har sat den op.
Grunden til, at de fleste apps vælger servervejen, er ikke ligegyldighed. En lokal model skal gemmes på enheden, hvilket kræver reel lagerplads. Den kører på den processor, enheden nu har, hvilket betyder, at den er langsommere på ældre hardware og endnu langsommere på lange filer. De to begrænsninger er nok til at skubbe de fleste produkter over på servere, hvor modellen kan være stor, hardwaren kan være hurtig, og intet skal downloades. Den afvejning er hele forklaringen på, hvorfor den private løsning er den sjældne.
Kryptering under transport beskriver vejen, ikke destinationen
Her er det, mange fornuftige mennesker får en falsk tryghed af. En privatlivspolitik skriver, at dine data krypteres under transport. Den sætning er næsten helt sikkert sand, og den fortæller dig intet om, hvorvidt din lyd behandles på en server eller opbevares der bagefter.
Kryptering under transport betyder, at forbindelsen mellem din enhed og tjenesten er beskyttet, mens data flytter sig. Det er en udtalelse om vejen. Det er fuldt foreneligt med, at din lyd ankommer til en server, behandles der og ligger i opbevaring, så længe opbevaringspolitikken tillader det. Hvis noget, er et løfte om kryptering under transport en stille bekræftelse på, at noget rent faktisk er på vej et sted hen. Lyd, der aldrig forlader din enhed, har ikke brug for en beskyttet forbindelse, fordi den ikke skal på nogen rejse.
Så når du læser en sikkerhedsside, skal du skille påstandene fra hinanden. Beskyttelse af forbindelsen er én påstand. Hvor behandlingen finder sted, er en anden. Hvor længe lyden opbevares, er en tredje. En side kan være pinligt ærlig om den første og simpelthen tavs om de to andre, og du vil gå derfra med en tro på noget, siden aldrig faktisk sagde.
Hvad en browser faktisk kan gøre uden at sende din fil
Der findes en reel kategori af værktøjer, der behandler en fil helt inde i din browser. Du åbner en side, vælger en fil, og arbejdet sker i browserfanen. Intet uploades. Det er ikke en markedsføringsvinkel; det er sådan værktøjet er bygget, og det betyder, at filen aldrig forlader din maskine.
Hagen er, hvad de værktøjer kan udføre. Behandling, der sker lokalt i browseren, virker til opgaver, der ikke kræver en model: at konvertere mellem undertekstformater, at forskyde tidskoder, så undertekster passer med en genklippet video, eller at tælle ord eller tegn i et manuskript, du allerede har. Det er transformationer af tekst og tidsdata. De er små, forudsigelige, og de har ikke brug for andet end filen selv.
At omdanne tale til tekst er ikke den slags opgave. Det kræver en talegenkendelsesmodel, og en model er en stor ting, der skal komme fra et sted og ligge et sted. En webside, der byder på at transskribere din lyd, sender i praksis den lyd til en server, hvor den bliver behandlet. Siden er blot brugerfladen; arbejdet foregår et andet sted. Hvis et browserværktøj transskriberer, skal du gå ud fra, at det uploader, og lede efter opbevaringspolitikken i stedet for beroligelsen.
De tre spørgsmål, der skiller svar fra markedsføring
Du behøver ikke at gennemgå nogens infrastruktur. Du har brug for tre svar, og du har brug for alle tre, fordi et godt svar på ét kan skjule et dårligt svar på et andet.
- Forlader lyden enheden? Ikke “er det sikkert” og ikke “er det krypteret” – forlader den enheden. En tjeneste, der behandler lyden på en server, bør sige det klart.
- Hvor længe opbevares den? Hvis lyd sendes et sted hen, bliver den også opbevaret et sted, i hvert fald kortvarigt. Spørgsmålet er, om det er minutter, dage, eller til du selv beder om at få den slettet.
- Bruges den til at træne noget? At behandle din lyd og at lære af din lyd er to forskellige ting. En tjeneste kan være ærlig om det første og vag om det andet.
Hvis en side kun svarer på det første spørgsmål, har du en tredjedel af billedet. Hvis den ikke svarer på nogen af dem og i stedet byder på krypteringssprog, skal du tage det som et svar i sig selv. Vaghed om opbevaring er sjældent tilfældig.
Anvendt her: SozAI-transskriptionsappen kører på en server, så lyd, du optager eller uploader, sendes til behandling, og detaljerne om opbevaring og håndtering fremgår af siden om sikkerhed og datahåndtering. De gratis værktøjer til undertekster og optælling på hjemmesiden er den del, der kører helt i din browser, og de transskriberer ikke.
At slette udskriften er ikke det samme som at slette lyden
Denne fælde fanger folk, der ellers har gjort alt rigtigt. Du er færdig med en følsom optagelse, du sletter udskriften fra appen, og punktet forsvinder fra din liste. Det føles afsluttet.
Udskriften og lyden er normalt styret af separate opbevaringsregler. Fjerner du en udskrift fra en app, fjerner du den fra din egen visning af appen. Lyden, der lå til grund for den, ligger stadig hos den tjeneste, der behandlede den, under den opbevaringspolitik, den tjeneste følger, og den politik udløses måske ikke af, at du trykker “slet” på et stykke tekst. De to handlinger er forskellige, og kun den ene sker for øjnene af dig.
Så hvis lyden betyder noget, skal du lede specifikt efter svaret om opbevaring, i privatlivspolitikken eller hvor tjenesten nu dokumenterer det. Kig efter en angivet tidsperiode, eller en angivet måde at anmode om sletning af den oprindelige lydfil – ikke bare resultatet. Hvis du ikke kan finde nogen af de to, har du ikke fundet en politik, der dækker det, du var bekymret for.
Det du giver afkald på, hvis du insisterer på lokal behandling
Hvis du beslutter, at intet skal forlade enheden, punktum, er det et forsvarligt standpunkt, og der følger en pris med. Vær klar over prisen, før du forpligter dig, fordi skuffelsen som regel dukker op senere, midt i en lang fil.
Modellen skal ligge på din enhed, så du betaler i lagerplads. Den skal køre på din enhed, så du betaler i tid, og den regning stiger på ældre hardware og lange optagelser. Et to timer langt møde er ikke et to-minutters job på en telefon, der er nogle år gammel. Der er ingen måde at købe sig ud af det inden for den lokale arkitektur, fordi hele pointen er, at der ikke er en hurtigere maskine involveret.
Med hensyn til nøjagtighed bør du modstå fristelsen til at acceptere en generel tommelfingerregel i den ene eller anden retning. Det, man reelt kan vide, er, at en lokal opsætning er begrænset af, hvad der kan være på enheden og hvad enheden kan beregne, mens en serveropsætning ikke har den begrænsning. Om det viser sig i din udskrift, afhænger af modellen, optagelsen, accenterne, baggrundsstøjen og sproget. Den eneste ærlige test er din egen lyd, på det værktøj du overvejer, før du stoler på det til noget, der betyder noget.
Og der findes en mellemvej, som mange overser: ikke alle optagelser kræver samme behandling. Terapisessionen og statusmødet behøver ikke identisk håndtering. Det er helt fornuftigt at bruge et serverbaseret værktøj til det meste arbejde og holde en lille gruppe optagelser helt uden for det – og i stedet transskribere dem manuelt eller lade være. At afgøre, hvilken bunke en fil hører til i, er som regel en hurtigere vej til ro i sindet end at lede efter ét værktøj, der dækker alle tilfælde.
