Potok convierte audio en chino mandarín a texto mediante un bot de Telegram. Las pruebas publicadas de terceros con large-v3, no nuestras mediciones, dan una tasa de error por carácter de 7.8, frente a 14.7 del modelo anterior large-v2. El chino no usa espacios, así que los errores se cuentan por carácter. 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
- La tasa de error por carácter cuenta los caracteres equivocados frente a un texto de referencia correcto, así que cuanto menor, mejor.
- El modelo anterior large-v2 obtuvo 14.7 en el mismo tipo de prueba publicada.
- El chino se escribe sin espacios, por eso la medida cuenta caracteres y no palabras.
- El cantonés es una lengua hablada distinta y tiene su propia página en este sitio.
Cómo se ve una transcripción
[00:00] Hablante 1: 我们开始开会吧。首先回顾上周的结果，然后规划下一步。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 |
|---|---|---|---|
| Chino (mandarín) (中文（普通话）) | Recomendado | tasa de error de caracteres 7.8% (large-v3, FLEURS) Whale paper, Whisper paper | Las pruebas publicadas muestran una tasa de error baja para este idioma. |
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
- Confirma que el idioma es mandarín. Si los hablantes pasan al cantonés o a un dialecto regional marcado, los resultados bajarán. Divide el archivo donde cambia el idioma.
- Abre el bot. Abre @potok_now_bot en Telegram.
- Envía el archivo. Sirven audio, vídeo, una nota de voz o un enlace de YouTube, de hasta 2 GB. Usa el botón Upload para los grandes.
- Revisa los caracteres que suenan igual. Caracteres distintos pueden compartir pronunciación. Lee el resultado con el audio y corrige sobre todo los nombres.
- Exporta. Elige DOCX o TXT para editar y SRT para subtítulos.
| 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 |
|---|---|---|
| Mezclar mandarín y cantonés en un archivo | El reconocedor sigue un solo idioma y la otra mitad empeora. | Corta el archivo donde cambia el idioma. |
| Contar palabras para medir la calidad | Un texto sin espacios no se divide en palabras. | Compara caracteres, como hace la cifra publicada. |
| Fiarse de los nombres | Un nombre puede escribirse con otro carácter de sonido parecido. | Comprueba los nombres con una fuente escrita. |
| Citar 14.7 como el resultado actual | Ese número pertenece al modelo anterior large-v2. | Usa la cifra de large-v3, 7.8, y nombra el modelo. |
Más
Consulta la lista completa de idiomas, las herramientas y el glosario.
Preguntas frecuentes
¿Qué tal transcribe el mandarín?
La tasa de error por carácter publicada es 7.8 con large-v3, que está en el grupo bueno, pero los nombres y las palabras raras siguen necesitando revisión.
¿Por qué se usa una tasa de error por carácter?
El chino se escribe sin espacios, así que la medida habitual cuenta caracteres en vez de palabras.
¿Sigue siendo relevante la cifra de large-v2?
Era 14.7, así que el modelo nuevo lee mejor en esas pruebas publicadas.
¿Puedo subir un vídeo?
Sí. Se aceptan archivos de vídeo y enlaces de YouTube dentro del límite de 2 GB.
¿Escribe en caracteres tradicionales o simplificados?
Las pruebas publicadas no lo indican, así que revisa una muestra para ver si sale la forma que necesitas.
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
- Whisper paper, Table 13 (large-v2 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