Vietnamesisches Audio in Text umwandeln

Potok wandelt vietnamesisches Audio in Text um, wenn Sie eine Aufnahme an den Telegram-Bot senden. Veröffentlichte Tests anderer mit dem früheren Modell large-v2, nicht unsere Messungen, nennen eine Wortfehlerrate von 10.3, ein anderer Testsatz ergab 18.9 mit large-v3, die Ergebnisse hängen also von den Daten ab. Dateien bis 2 GB funktionieren.

Aufnahme transkribieren

Senden Sie Ihre Sprachnachricht, Audio- oder Videodatei an @potok_now_bot in Telegram, und der Text kommt im Chat zurück.

@potok_now_bot in Telegram öffnen

Dateien bis 2 GB · Export als TXT, MD, DOCX, PDF, SRT und VTT · Sprecherkennzeichnung und Zeitmarken · rund 30 Sprachen

Wichtige Fakten

• Zwei veröffentlichte Werte widersprechen sich, 10.3 und 18.9, weil sich Testsätze und Modelle unterscheiden.
• Vietnamesisch setzt zwischen jede Silbe ein Leerzeichen, eine Wortfehlerrate zählt daher eher Silben als ganze Wörter.
• Gestapelte Tonzeichen und zusätzliche Vokalzeichen müssen den Export alle überstehen.
• Ein einziges falsches Tonzeichen ergibt ein anderes Wort, Töne sind daher das Wichtigste beim Korrekturlesen.
• Namen werden mit einem Leerzeichen zwischen jeder Silbe geschrieben, Nach- und Vorname brauchen daher eine manuelle Prüfung der Reihenfolge.

So sieht ein Transkript aus

[00:00] Sprecher 1: Chúng ta bắt đầu cuộc họp nhé. Trước tiên, chúng ta sẽ xem lại kết quả tuần trước, sau đó lên kế hoạch cho các bước tiếp theo.

Bedeutung auf Deutsch: Let's start the meeting. First, we'll review last week's results, then plan the next steps.

Von uns geschrieben, um die Schrift und das Layout eines Transkripts zu zeigen. Es ist keine Ausgabe der Spracherkennung.

Veröffentlichte Qualität

Diese Zahlen stammen aus veröffentlichten Tests Dritter, nicht aus Tests von Potok. Ihre eigene Aufnahme mit Störgeräuschen, Akzenten und Mikrofon wird abweichen.

So geht es

1. Mit einer großen Spanne rechnen. Da die veröffentlichten Ergebnisse von 10.3 bis 18.9 streuen, testen Sie einen Clip aus Ihrer eigenen Aufnahme.
2. Den Bot öffnen. Öffnen Sie @potok_now_bot und senden Sie eine Probe.
3. Die ganze Datei senden. Bis 2 GB, Upload in der Mini-App erledigt die größten.
4. Tonzeichen prüfen. Sehen Sie sich einen Absatz an und vergleichen Sie die Zeichen mit dem Audio.
5. Namen prüfen. Personen- und Ortsnamen werden leicht falsch.
6. Exportieren. DOCX oder TXT zum Bearbeiten, SRT oder VTT für Untertitel.

Häufige Fehler

Mehr

Sehen Sie sich die vollständige Liste der Sprachen, die Werkzeuge und das Glossar an.

Häufige Fragen

Welcher Wert stimmt, 10.3 oder 18.9?

Beide sind veröffentlicht. Der erste stammt von large-v2, der zweite von large-v3 mit einem anderen Datensatz, die Spanne ist also die Antwort.

Bleiben Tonzeichen erhalten?

Ja. Das Transkript ist auf Vietnamesisch mit seinen Zeichen geschrieben, nutzen Sie daher Software mit Unicode-Unterstützung.

Wie groß darf die Datei sein?

2 GB pro Datei, große Dateien gehen per Upload.

Haben Sie diese Werte gemessen?

Nein. Sie stammen aus veröffentlichten Tests anderer.

Wird der Text übersetzt?

Nein. Das Transkript bleibt Vietnamesisch, also in der Sprache der gesendeten Aufnahme, und wird nie in eine andere umgewandelt.

Quellen

Jede Quelle wurde am angegebenen Datum von Hand geöffnet. Seiten ändern sich, öffnen Sie die Quelle also, wenn Ihnen ein Detail wichtig ist.

1. Word error rate (Wikipedia), Wikipedia · geprüft 2026-10-18
2. FLEURS speech dataset (Google, Hugging Face), Hugging Face · geprüft 2026-10-18
3. Whisper paper, Table 13 (large-v2 on FLEURS) · geprüft 2026-10-18