Para convertir audio en cantonés a texto, envía el archivo al bot de Potok en Telegram, sabiendo que este idioma está en el límite. Las pruebas publicadas de terceros con large-v3, no nuestras mediciones, dan una tasa de error por carácter de 9.8. La calidad varía según la variante del modelo. Se aceptan archivos de hasta 2 GB.
Transcribe una grabación
Envía tu mensaje de voz, audio o vídeo a @potok_now_bot en Telegram y el texto te llega en el chat.
Abrir @potok_now_bot en Telegram
Archivos de hasta 2 GB · exportación a TXT, MD, DOCX, PDF, SRT y VTT · etiquetas de hablantes y marcas de tiempo · unos 30 idiomas
Datos clave
- En el límite: una prueba de un proveedor dio resultados mucho peores con la variante turbo, más rápida.
- El 9.8 es una tasa de error por carácter de pruebas publicadas de terceros, porque el cantonés se escribe sin espacios.
- Juzga el resultado por los caracteres equivocados, no por las palabras equivocadas.
- Un clip corto es la forma más rápida de ver si tu hablante funciona bien.
Cómo se ve una transcripción
[00:00] Hablante 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。Significado en inglés: Let's start the meeting. First, we'll review last week's results, then plan the next steps.
La escribimos nosotros para mostrar la escritura y el formato de una transcripción. No es el resultado del motor de reconocimiento.
Calidad publicada
| Idioma | Veredicto | Resultado publicado | Notas |
|---|---|---|---|
| Cantonés (粵語) | Recomendado, en el límite | tasa de error de caracteres 9.8% (large-v3, FLEURS) Whale paper | Las pruebas publicadas muestran una tasa de error cercana a nuestro límite del 15%. Revisa primero una muestra corta. |
Estas cifras provienen de pruebas publicadas por terceros, no de pruebas de Potok. Tu propio audio, con su ruido, acentos y micrófono, dará resultados distintos.
Cómo hacerlo
- Haz primero una prueba corta. Como este idioma está en el límite, recorta treinta segundos de tu grabación y envíalos antes que el archivo entero. Cuesta poco y te muestra qué esperar.
- Abre el bot. Abre @potok_now_bot en Telegram y elige el chat.
- Envía el archivo completo. Si la muestra se lee bien, adjunta la grabación entera, de hasta 2 GB. Para un archivo grande usa el botón Upload de la mini app.
- Lee por caracteres, no por palabras. Sin espacios no hay separación entre palabras, así que repasa línea por línea y marca cada carácter equivocado frente al audio.
- Exporta. Guarda TXT o DOCX para editar, o SRT y VTT si necesitas subtítulos con marcas de tiempo.
| Función | Detalles |
|---|---|
| Dónde funciona | Bot de Telegram @potok_now_bot; los archivos grandes se procesan en la mini app del bot |
| Tamaño del archivo | Hasta 2 GB |
| Exportación | TXT, MD, DOCX, PDF, SRT, VTT |
| Hablantes y tiempo | Se pueden activar las etiquetas de hablantes y las marcas de tiempo |
| Idiomas | Unos 30 idiomas con buenos resultados publicados; algunos más con advertencias |
| Traducción | La transcripción no se traduce a otro idioma |
| Dictado | Una app de escritorio de Potok aparte permite dictar texto en cualquier programa; reconoce el habla en ruso |
Errores comunes
| Error | Qué ocurre | Solución |
|---|---|---|
| Juzgar el resultado por el número de palabras | Un texto sin espacios no tiene límites de palabra que contar. | Cuenta caracteres, que es la métrica que usa la cifra publicada. |
| Saltarse la muestra | Un idioma en el límite puede fallar con una voz y funcionar con otra. | Prueba treinta segundos antes de una subida larga. |
| Reutilizar una cifra de otro modelo | Los resultados de la variante turbo, más rápida, se reportaron como mucho peores. | Cita el modelo que nombra la fuente. |
| Enviar una charla que pasa al mandarín | El reconocedor sigue un solo idioma por archivo. | Divide el archivo donde cambia el idioma. |
Más
Consulta la lista completa de idiomas, las herramientas y el glosario.
Preguntas frecuentes
¿Por qué se dice que el cantonés está en el límite?
La tasa de error por carácter publicada, 9.8, parece buena, pero una prueba de un proveedor dio resultados mucho peores con la variante turbo, así que el idioma requiere cuidado.
¿Qué significa tasa de error por carácter?
Cuenta los caracteres equivocados frente al texto correcto. Va bien para idiomas que se escriben sin espacios.
¿Puedo enviar una grabación larga?
Sí, de hasta 2 GB. El botón Upload de la mini app del bot está pensado para archivos grandes.
¿Una persona revisa el resultado?
No. Es salida automática, así que léela contra la grabación antes de usarla.
¿Puedo obtener subtítulos?
Sí. Exporta SRT o VTT, con las marcas de tiempo activadas.
Fuentes
Cada fuente se abrió a mano en la fecha indicada. Las páginas cambian, así que abre la fuente si un detalle te importa.
- Word error rate (Wikipedia), Wikipedia · comprobado
- Whisper speech recognition system (Wikipedia), Wikipedia · comprobado
- Whale paper, Table 5 (Whisper large-v3 on FLEURS) · comprobado
Pruébalo con tu propia grabación
Envía tu mensaje de voz, audio o vídeo a @potok_now_bot en Telegram y el texto te llega en el chat.
Abrir @potok_now_bot en Telegram