Головні висновки
Так, це можливо, але трапляється рідше, ніж обіцяє маркетинг. Транскрипція, яка виконується на вашому пристрої, і транскрипція, яка виконується на сервері, — це дві різні архітектури, а не перемикач у налаштуваннях, і більшість додатків працюють саме через сервер, бо локальна модель займає пам’ять і повільніше працює на старішому обладнанні. Політика конфіденційності, яка обіцяє шифрування під час передачі, описує лише з’єднання, а не кінцевий пункт. У будь-якого інструменту варто запитати три речі: чи залишає аудіо пристрій, як довго воно зберігається і чи використовується воно для навчання чогось.
Якщо у вас є запис сесії з психотерапевтом, розмови з юристом чи наради, яка не мала виходити за межі кабінету, це питання далеко не абстрактне. Вам потрібно знати, чи можна перетворити файл у текст так, щоб його копія не опинилася на чужому обладнанні. Відповідь існує, і вона набагато конкретніша, ніж про це пишуть на сторінках більшості сервісів.
Далі — чесна картина того, як це працює: що обробляється локально, що ні, чому саме так усе поділено, і що варто запитати, перш ніж довіряти будь-якому сервісу запис, який неможливо забрати назад.
Локальна та серверна транскрипція — це дві різні архітектури
Найважливіше, що варто зрозуміти: це не налаштування приватності, яке додаток вам «дозволяє» увімкнути. Транскрипція, що відбувається на вашому телефоні чи ноутбуці, і транскрипція, що відбувається на віддаленому сервері, — це принципово різні архітектури. Додаток спочатку створюється за одним із цих підходів. У налаштуваннях немає прихованого перемикача, який переносить обробку із сервера на пристрій, бо все необхідне для локальної обробки або було вбудоване в додаток від початку, або його там просто немає.
Локальна транскрипція означає, що мовна модель зберігається безпосередньо на вашому пристрої. Аудіо подається на вхід прямо там, текст виходить прямо там, і нікуди нічого не потрібно передавати. Серверна транскрипція означає, що ваше аудіо кудись надсилається, обробляється на обладнанні, яке вам не належить, а текст надсилається назад. Обидва підходи можуть бути реалізовані добре чи погано. Але лише один із них залишає запис у ваших руках, і те, який саме варіант ви використовуєте, — це властивість самого програмного забезпечення, а не результат того, наскільки уважно ви налаштували додаток.
Те, що більшість додатків обирають серверний варіант, не через байдужість розробників. Локальну модель потрібно зберігати на пристрої, а це реальні гігабайти пам’яті. Вона працює на тому процесорі, який є у вашому пристрої, тож на старішому обладнанні обробка йде повільніше, а на довгих файлах — ще повільніше. Цих двох обмежень достатньо, щоб більшість продуктів переносила обробку на сервери, де модель може бути якою завгодно великою, обладнання — швидким, а завантажувати нічого не потрібно. Саме цей компроміс і пояснює, чому приватний варіант зустрічається так рідко.
Шифрування під час передачі описує дорогу, а не кінцевий пункт
Саме тут у багатьох людей виникає хибне відчуття безпеки. У політиці конфіденційності написано, що ваші дані шифруються під час передачі. Це майже завжди правда, і водночас це речення нічого не каже про те, чи обробляється ваше аудіо на сервері та чи зберігається воно там потім.
Шифрування під час передачі означає, що з’єднання між вашим пристроєм і сервісом захищене, поки дані рухаються. Це твердження про дорогу. Воно цілком узгоджується з тим, що ваше аудіо потрапляє на сервер, обробляється там і зберігається стільки, скільки дозволяє політика зберігання. Більше того, обіцянка захищеного з’єднання — це, по суті, тихе підтвердження, що передача взагалі відбувається. Аудіо, яке ніколи не залишає ваш пристрій, не потребує захищеного з’єднання, бо йому нікуди їхати.
Тож, читаючи сторінку про безпеку, розділяйте твердження. Захист з’єднання — одна теза. Місце, де відбувається обробка, — інша. Термін зберігання аудіо — третя. Сторінка може бути абсолютно чесною щодо першого пункту й просто мовчати про два інші, і ви підете звідти з переконанням у тому, чого там насправді ніхто не стверджував.
Що браузер справді може зробити без відправлення вашого файлу
Існує окрема категорія інструментів, які обробляють файл повністю у вашому браузері. Ви відкриваєте сторінку, вибираєте файл, і вся робота відбувається прямо у вкладці. Нічого не завантажується на сервер. Це не маркетингова формула — так інструмент влаштований насправді, і це означає, що файл ніколи не залишає ваш комп’ютер.
Питання лише в тому, що саме такі інструменти можуть робити. Локальна обробка в браузері підходить для завдань, які не потребують моделі: конвертація між форматами субтитрів, зсув таймкодів, щоб підпис збігався з перемонтованим відео, підрахунок слів чи символів у тексті, який у вас уже є. Це перетворення тексту й даних про час. Вони прості, детерміновані і не потребують нічого, крім самого файлу.
Перетворення мовлення на текст — завдання іншого типу. Для нього потрібна мовна модель, а модель — це велика річ, яка мусить звідкись з’явитися і десь зберігатися. Веб-сторінка, яка пропонує розшифрувати ваше аудіо, на практиці надсилає це аудіо на сервер для обробки. Сторінка — це лише інтерфейс, робота відбувається деінде. Якщо браузерний інструмент виконує транскрипцію, вважайте, що файл завантажується, і шукайте політику зберігання даних, а не заспокійливі формулювання.
Три запитання, які відділяють відповідь від маркетингу
Вам не потрібно проводити аудит чужої інфраструктури. Вам потрібні три відповіді, і потрібні всі три одразу, бо гарна відповідь на одне питання може приховувати погану відповідь на інше.
- Чи залишає аудіо пристрій? Не «чи безпечно це» і не «чи зашифровано це» — а саме чи передається файл кудись. Сервіс, який обробляє дані на сервері, повинен прямо про це сказати.
- Як довго воно зберігається? Якщо аудіо кудись надсилається, воно й десь зберігається — хоч би недовго. Питання лише в тому, це хвилини, дні чи термін до вашого запиту про видалення.
- Чи використовується це для навчання чогось? Обробка вашого аудіо та навчання на ньому — це різні речі. Сервіс може бути чесним щодо першого й розмитим щодо другого.
Якщо сторінка відповідає лише на перше питання, у вас є лише третина картини. Якщо вона не відповідає на жодне з них, а натомість пропонує формулювання про шифрування, сприймайте це як відповідь саму по собі. Розмитість щодо зберігання даних рідко буває випадковою.
Застосуємо цей стандарт тут: додаток для транскрипції SozAI працює на сервері, тож аудіо, яке ви записуєте чи завантажуєте, надсилається для обробки, а деталі про зберігання та поводження з даними викладені на сторінці про безпеку й обробку даних. А безкоштовні інструменти для субтитрів і підрахунку на сайті — та частина, що працює повністю у вашому браузері, і вони не виконують транскрипцію.
Видалити транскрипт — не те саме, що видалити аудіо
Це та деталь, на якій спотикаються навіть ті, хто зробив усе інше правильно. Ви закінчили роботу з чутливим записом, видаляєте транскрипт із додатка, і елемент зникає зі списку. Здається, що справу закрито.
Але транскрипт і аудіо зазвичай підпорядковуються різним правилам зберігання. Видалення транскрипту з додатка прибирає його лише з того, що бачите ви. Аудіо, з якого він з’явився, залишається на боці сервісу, який виконував обробку, згідно з тією політикою зберігання, яку цей сервіс застосовує, — і ця політика може не спрацьовувати від того, що ви натиснули «видалити» на кавалку тексту. Це два різні дії з видалення, і перед вами відбувається лише одна з них.
Тож якщо аудіо для вас важливе, шукайте саме відповідь про зберігання — у політиці конфіденційності чи там, де сервіс документує цю інформацію. Шукайте конкретний вказаний термін або чіткий механізм запиту на видалення вихідного файлу, а не лише результату. Якщо ви не знайшли ні того, ні того — це означає, що ви не знайшли політики, яка стосується саме того, що вас турбує.
Чим ви розплачуєтеся, наполягаючи на локальній обробці
Якщо ви вирішили, що з пристрою нічого не має виходити — крапка, це цілком обґрунтована позиція, але вона має свою ціну. Варто чітко розуміти цю ціну заздалегідь, бо розчарування зазвичай наздоганяє пізніше, десь посередині довгого файлу.
Модель мусить бути на вашому пристрої — і за це ви платите пам’яттю. Вона має працювати саме на вашому пристрої — і за це ви платите часом, і цей рахунок зростає на старішому обладнанні й на довгих записах. Двогодинна нарада — це не завдання на дві хвилини для телефону, якому вже кілька років. У межах локальної архітектури від цього нікуди не втечеш, бо весь сенс у тому, що жодна швидша машина в процес не залучена.
Щодо точності, не поспішайте приймати загальне правило в будь-який бік. Що можна стверджувати з упевненістю: локальна конфігурація обмежена тим, що вміщується на пристрої й що він здатен обчислити, а серверна — ні. Чи проявиться це у вашому транскрипті, залежить від моделі, самого запису, акцентів, фонового шуму й мови. Єдиний чесний тест — прогнати власне аудіо через інструмент, який ви розглядаєте, перш ніж покластися на нього в чомусь важливому.
І є ще середній шлях, про який часто забувають: не кожен запис потребує однакового підходу. Сесія з психотерапевтом і щоденна робоча нарада не мають вимагати ідентичного поводження. Цілком розумно користуватися серверним інструментом для більшості завдань, а невелику частину записів тримати осторонь від нього повністю — розшифровуючи їх вручну або взагалі не розшифровуючи. Визначити, до якої «купки» належить файл, зазвичай швидший шлях до спокою, ніж пошуки одного інструменту, який підійде для всіх випадків.
