项目范围内的 AI 处理
分析使用当前项目的研究目标、Research Questions、文字稿片段、参与者标识、语言和已确认 Evidence。默认设计不是把无关账户数据或其他项目内容混入分析。
- 围绕研究问题进行分析
- 默认不混入无关项目上下文
- 已确认 Evidence 可进入报告生成
安全
访谈研究数据的安全与隐私
ScribeFlash 面向敏感客户访谈场景设计：项目范围内处理、保留来源的证据链、清晰的 AI 边界，以及由用户控制的保留与删除流程。
- 项目数据用于你创建的当前项目
- 原始文字稿与 AI 派生版本分开
- 保留与删除控制属于核心工作流
安全
ScribeFlash
1
项目数据用于你创建的当前项目
2
原始文字稿与 AI 派生版本分开
3
保留与删除控制属于核心工作流
ScribeFlash 如何处理访谈数据
安全页面应该具体且可验证。下面的控制点描述研究工作流的设计方式，并避免“100% 准确”“完全合规”等无法证明的绝对承诺。
保留来源的文字稿工作流
研究者可以修正说话人、文字、时间戳和专有名词，同时 Original 与 Clean、Translated、Anonymized 或 AI-assisted 等派生版本保持区分。
- 可编辑文字稿审核
- Original 与派生版本分开
- 编辑可保留更新时间与操作者信息
证据完整性检查
Finding 应引用存在的文字稿 Segment，Quote 应与原始来源文本匹配。这能帮助团队在导出客户报告前发现引用错误。
- Segment ID 引用
- Quote 与来源匹配
- 支持证据与反例可见
保留与删除控制
用户决定项目数据是保留还是删除。删除项目会禁用访问，并排队清理相关媒体、导出、缓存和项目内容。
- 项目保留决策
- 删除项目流程
- 媒体与导出清理队列
适合访谈分析的实际数据流
ScribeFlash 将上传、转录、证据审核、AI 分析、报告、导出和删除拆开，让用户理解数据在哪些环节被使用。
创建项目
研究者定义研究目标、客户背景、Research Questions 和输出语言。
上传访谈
音频或视频异步处理，生成文字稿、说话人标签、时间戳和可审核内容。
审核证据
研究者编辑文字稿、高亮关键引用、添加标签，并在分析前确认 Evidence。
导出或删除
确认后的 Finding 进入报告和导出；项目结束后用户可以选择保留或删除。
可信控制
我们能够站得住的可信承诺
ScribeFlash 避免无法验证的营销承诺，聚焦研究工作真正需要的控制：来源可追溯、人工审核和清晰限制。
不承诺绝对准确
产品不承诺“100% 准确”的转录或 AI 分析。研究者需要审核和修正重要内容。
AI 保持可审阅
Suggested Findings、Evidence、置信度、反例和限制说明会呈现给研究者审核。
保留少数观点
Contradictions 和 Counter-evidence 可以保持可见，而不是被压平成主流主题。
第三方处理披露
AI 与转录服务商应在数据处理协议或相关隐私文档中说明。
常见问题
ScribeFlash 会用一个项目的访谈数据分析另一个项目吗？
默认不会。产品设计把分析限定在当前项目：研究目标、Research Questions、文字稿片段、参与者标识、语言和已确认 Evidence。
用户可以删除访谈数据吗？
可以。工作流包含项目保留和删除控制。删除项目会禁用访问，并排队清理相关媒体、导出、缓存和项目内容。
ScribeFlash 承诺 100% 准确转录或 AI 分析吗？
不承诺。访谈文字稿和 AI Finding 都应由研究者审核。ScribeFlash 通过保留来源引用和证据链，让错误更容易被发现。
ScribeFlash 如何降低 AI 幻觉风险？
Finding 会保留到文字稿片段、引用、时间戳和访谈的 EvidenceReference。建议内容在研究者确认、编辑、合并或拒绝前会保持标识。
AI 清洗会覆盖原始文字稿吗？
不会。Original 会与 Clean、Translated、Anonymized 或 AI-assisted 等派生版本分开，便于后续核验来源材料。
想要证据清晰、数据控制明确的研究产出？
从一个能看见来源证据、AI 建议和删除决策的项目工作流开始。