Sammanfattning
Ja, det går, men det är ovanligare än marknadsföringen låter påskina. Transkribering som körs på din egen enhet och transkribering som körs på en server är två olika konstruktioner, inte en inställning du kan slå om, och de flesta appar kör på server eftersom en lokal modell kostar lagringsutrymme och går långsammare på äldre hårdvara. En integritetspolicy som lovar kryptering under överföring beskriver bara själva anslutningen, inte vart datan faktiskt tar vägen. Ställ tre frågor till varje verktyg: lämnar ljudet enheten, hur länge sparas det, och används det för att träna någon modell.
Om du sitter med en inspelning från en terapisession, ett samtal med en advokat eller ett möte som aldrig var tänkt att lämna rummet, är frågan inte akademisk. Du vill veta om filen kan bli text utan att en kopia hamnar på någon annans hårdvara. Svaret finns, och det är mer precist än vad de flesta produktsidor avslöjar.
Här kommer den ärliga bilden: vad som körs lokalt, vad som inte gör det, varför skiljelinjen ligger där den ligger, och vad du bör fråga innan du litar på något med ljud du inte kan ta tillbaka.
Lokal transkribering och servertranskribering är två olika konstruktioner
Det viktigaste att förstå är att det här inte är en integritetsinställning en app ger dig tillgång till. Transkribering som sker i din telefon eller dator och transkribering som sker på en fjärrserver är olika arkitekturer. En app är byggd på ett av de här sätten. Det finns ingen dold knapp i inställningarna som flyttar arbetet från en server till din enhet, för de byggstenar som krävs för lokal bearbetning fanns antingen med i appen från början eller inte.
Lokal transkribering innebär att en talmodell finns på din enhet. Ljudet matas in där, texten kommer ut där, och ingenting behöver skickas iväg. Servertranskribering innebär att ljudet skickas någonstans, bearbetas på hårdvara du inte kontrollerar, och texten skickas tillbaka. Båda kan vara välbyggda. Båda kan vara dåligt byggda. Men bara ett av alternativen håller kvar ljudet i dina egna händer, och vilket av dem du använder är ett faktum om mjukvaran, inte om hur noggrant du har ställt in den.
Anledningen till att de flesta appar väljer serverlösningen är inte slarv. En lokal modell måste lagras på enheten, vilket kostar riktigt lagringsutrymme. Den körs på vilken processor enheten nu har, vilket gör den långsammare på äldre hårdvara och ännu långsammare på långa filer. De två begränsningarna räcker för att driva de flesta produkter mot servrar, där modellen kan vara stor, hårdvaran snabb och ingenting behöver laddas ner. Den avvägningen är hela förklaringen till varför det privata alternativet är det ovanliga.
Kryptering under överföring beskriver vägen, inte målet
Det är här många annars förnuftiga personer får en falsk känsla av trygghet. En integritetspolicy anger att din data är krypterad under överföring. Den meningen är nästan garanterat sann, och den säger ingenting om huruvida ljudet bearbetas på en server eller lagras där efteråt.
Kryptering under överföring betyder att anslutningen mellan din enhet och tjänsten är skyddad medan datan är på väg. Det är ett påstående om själva vägen. Det är fullt förenligt med att ljudet ändå kommer fram till en server, bearbetas där och ligger lagrat så länge lagringspolicyn tillåter. Om något är ett löfte om kryptering under överföring snarare en tyst bekräftelse på att något faktiskt överförs. Ljud som aldrig lämnar din enhet behöver ingen skyddad anslutning, eftersom det inte gör någon resa.
Så när du läser en säkerhetssida, håll isär påståendena. Skydd av anslutningen är ett påstående. Var bearbetningen sker är ett annat. Hur länge ljudet sparas är ett tredje. En sida kan vara helt ärlig om det första och helt tyst om de andra två, och du kan ändå gå därifrån och tro dig veta något sidan aldrig faktiskt sagt.
Vad en webbläsare verkligen kan göra utan att skicka din fil
Det finns en verklig kategori verktyg som bearbetar en fil helt i din webbläsare. Du öppnar en sida, väljer en fil, och arbetet sker i fliken. Ingenting laddas upp. Det är inte en marknadsföringsformulering; det är så verktyget är byggt, och det innebär att filen aldrig lämnar din dator.
Haken är vad de verktygen faktiskt klarar. Bearbetning som sker lokalt i webbläsaren funkar för uppgifter som inte behöver någon modell: att konvertera mellan olika undertextformat, att förskjuta tidskoder så att undertexter matchar en omklippt video, att räkna ord eller tecken i en transkription du redan har. Det är omvandlingar av text och tidsdata. De är små, förutsägbara, och de behöver ingenting annat än filen själv.
Att omvandla tal till text är inte den typen av uppgift. Det kräver en talmodell, och en modell är något stort som måste komma från och finnas någonstans. En webbsida som erbjuder sig att transkribera ditt ljud skickar i praktiken det ljudet till en server för bearbetning. Sidan är bara gränssnittet; arbetet sker på annat håll. Om ett webbläsarverktyg transkriberar, utgå från att det laddas upp, och leta efter lagringspolicyn snarare än den lugnande formuleringen.
De tre frågorna som skiljer verkliga svar från marknadsföring
Du behöver inte granska någons serverpark. Du behöver tre svar, och du behöver alla tre, för ett bra svar på en av frågorna kan dölja ett dåligt svar på en annan.
- Lämnar ljudet enheten? Inte ”är det säkert” och inte ”är det krypterat” – utan om det faktiskt förflyttas. En tjänst som bearbetar på server bör säga det rakt ut.
- Hur länge sparas det? Om ljud skickas någonstans lagras det någonstans, i alla fall kortvarigt. Frågan är om det handlar om minuter, dagar, eller tills du själv begär radering.
- Används det för att träna någonting? Att bearbeta ditt ljud och att lära sig av ditt ljud är två olika saker. En tjänst kan vara ärlig om det första och vag om det andra.
Om en sida bara svarar på den första frågan har du en tredjedel av bilden. Om den inte svarar på någon av dem och istället erbjuder krypteringsformuleringar, ska du tolka det som ett svar i sig. Vaghet kring lagringstid är sällan en slump.
Om vi tillämpar den måttstocken här: SozAI-appen för transkribering körs på server, så ljud du spelar in eller laddar upp skickas för bearbetning, och detaljerna kring lagring och hantering finns beskrivna på sidan om säkerhet och datahantering. De kostnadsfria verktygen för undertexter och ordräkning på webbplatsen är den del som körs helt i din webbläsare, och de transkriberar inte.
Att radera transkriptionen är inte samma som att radera ljudet
Det här är en fälla för den som gjort allt annat rätt. Du är klar med en känslig inspelning, du raderar transkriptionen i appen, och posten försvinner från din lista. Det känns avklarat.
Transkriptionen och ljudet styrs vanligtvis av separata lagringsregler. Att ta bort en transkription i en app tar bort den ur din vy av appen. Ljudet som skapade den finns kvar hos den tjänst som utförde bearbetningen, enligt vilken lagringspolicy den tjänsten nu har, och den policyn utlöses inte nödvändigtvis av att du trycker på radera på en textbit. Det är två olika åtgärder, och bara en av dem syns för dig.
Så om ljudet spelar roll, leta specifikt efter svaret om lagringstid, i integritetspolicyn eller där tjänsten nu dokumenterar det. Leta efter en angiven tidsperiod, eller ett angivet sätt att begära radering av källfilen, inte bara resultatet. Om du inte hittar något av det, har du inte hittat en policy som täcker det du oroar dig för.
Vad du ger upp om du kräver lokal bearbetning
Om du bestämmer dig för att absolut ingenting ska lämna enheten är det ett fullt rimligt ställningstagande, men det har ett pris. Var medveten om priset innan du bestämmer dig, för besvikelsen brukar dyka upp senare, mitt i en lång fil.
Modellen måste finnas på din enhet, så du betalar i lagringsutrymme. Den måste köras på din enhet, så du betalar i tid, och den notan växer på äldre hårdvara och långa inspelningar. Ett tvåtimmarsmöte är inte en tvåminutersuppgift på en telefon som är några år gammal. Det finns inget sätt att köpa sig ur det inom den lokala arkitekturen, eftersom hela poängen är att ingen snabbare maskin är inblandad.
Om noggrannhet: motstå frestelsen att acceptera en generell regel åt något håll. Vad som verkligen går att veta är att en lokal lösning begränsas av vad som får plats på enheten och vad enheten kan beräkna, medan en serverlösning inte har den begränsningen. Om det syns i just din transkription beror på modellen, inspelningen, dialekterna, bakgrundsljudet och språket. Det enda ärliga testet är ditt eget ljud, i det verktyg du överväger, innan du litar på det för något som betyder något.
Och det finns en mellanväg många missar: alla inspelningar behöver inte samma behandling. Terapisessionen och det vanliga avstämningsmötet kräver inte identisk hantering. Det är fullt rimligt att använda ett serverbaserat verktyg för det mesta av arbetet och hålla en liten mängd inspelningar helt utanför det, och istället transkribera dem för hand eller inte alls. Att avgöra vilken hög en fil hör till är oftast en snabbare väg till sinnesfrid än att leta efter ett enda verktyg som täcker alla fall.
