Kantonesische Spracherkennung: ein Grenzfall

Die Spracherkennung für Kantonesisch mit Potok kommt mit einem Grenzfall-Hinweis. Veröffentlichte Tests von large-v3 nennen eine Zeichenfehlerrate von 9.8, weil Kantonesisch ohne Leerzeichen geschrieben wird, doch ein Herstellertest zeigte deutlich schwächere Werte für die schnellere Variante turbo. Betrachten Sie die Zahlen als Befunde anderer, nicht als unsere.

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

• Die Qualität wird pro Zeichen angegeben, nicht pro Wort, weil kantonesischer Text keine Leerzeichen zwischen Wörtern hat.
• Ein Herstellertest meldete für die Variante turbo viel schlechtere Ergebnisse, deshalb gilt die Sprache als Grenzfall.
• Grenzfall heißt, dass der Wert nahe an unserer Schwelle liegt, ein Test mit einem Ausschnitt lohnt sich also für die eine Minute, die er dauert.
• Die Exporte bleiben in der Sprache der Aufnahme.

So sieht ein Transkript aus

[00:00] Sprecher 1: 我哋開始開會啦。首先睇下上個禮拜嘅結果，跟住傾下一步點做。

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 einem Testausschnitt beginnen. Senden Sie zuerst dreißig Sekunden. Bei einer Grenzfall-Sprache kostet das wenig und zeigt, ob die Ausgabe für Sie taugt.
2. Den Bot nutzen. Öffnen Sie @potok_now_bot und hängen Sie den Ausschnitt als Sprachnachricht oder Audiodatei an.
3. Nach Zeichen beurteilen. Lesen Sie den Text neben dem Audio und zählen Sie die Stellen, an denen ein Zeichen falsch ist, nicht ganze Sätze.
4. Den Rest senden. Wenn der Ausschnitt gut lesbar ist, senden Sie die ganze Aufnahme. Bis 2 GB ist in Ordnung, und die Schaltfläche Upload verarbeitet große Dateien.
5. Export wählen. DOCX oder TXT zum Lesen, SRT oder VTT für Untertitel.

Häufige Fehler

Mehr

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

Häufige Fragen

Warum ist Kantonesisch ein Grenzfall?

Ein Herstellertest meldete deutlich schlechtere Ergebnisse für die schnellere Variante turbo, deshalb liegt die Sprache nahe an unserer Schwelle.

Was ist eine Zeichenfehlerrate?

Sie gibt den Anteil der Zeichen an, die von einem Referenztext abweichen, und wird verwendet, wenn die Schrift keine Leerzeichen zwischen Wörtern kennt.

Ist 9.8 unsere eigene Messung?

Nein. Sie stammt aus veröffentlichten Tests des Modells large-v3, die andere durchgeführt haben.

Kann der Bot ein Video verarbeiten?

Ja. Video, Audio und Sprachnachrichten werden angenommen, bis zu 2 GB pro Datei.

Werden Sprecher benannt?

Nein. Stimmen können nur mit Nummern gekennzeichnet werden, nie mit echten Namen.

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. Whisper speech recognition system (Wikipedia), Wikipedia · geprüft 2026-10-18
3. Whale paper, Table 5 (Whisper large-v3 on FLEURS) · geprüft 2026-10-18