Potok convierte audio en vietnamita a texto cuando envías una grabación a su bot de Telegram. Pruebas publicadas por terceros con el modelo anterior large-v2, no mediciones nuestras, dan una tasa de error de palabras de 10.3, mientras que otro conjunto de prueba dio 18.9 con large-v3, así que los resultados varían con los datos. Funcionan 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
- Dos cifras publicadas no coinciden, 10.3 y 18.9, porque los conjuntos de prueba y los modelos difieren.
- El vietnamita pone un espacio entre cada sílaba, así que una tasa de error de palabras cuenta más sílabas que palabras completas.
- Los signos de tono apilados y los signos de vocal adicionales deben sobrevivir a la exportación.
- Un solo signo de tono erróneo da otra palabra, así que los tonos son lo principal que hay que revisar.
- Los nombres se escriben con un espacio entre cada sílaba, así que un apellido y un nombre de pila requieren una revisión manual del orden.
Cómo se ve una transcripción
[00:00] Hablante 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.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 |
|---|---|---|---|
| Vietnamita (Tiếng Việt) | Recomendado | tasa de error de palabras 10.3% (large-v2, FLEURS) 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
- Espera un rango amplio. Como los resultados publicados van de 10.3 a 18.9, prueba un clip de tu propia grabación.
- Abre el bot. Abre @potok_now_bot y envía una muestra.
- Envía el archivo completo. Hasta 2 GB; Subir en la mini app se encarga de los más grandes.
- Revisa los signos de tono. Mira un párrafo y compara las marcas con el audio.
- Revisa los nombres. Los nombres de personas y lugares son fáciles de escribir mal.
- Exporta. DOCX o TXT para editar, SRT o VTT 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 |
|---|---|---|
| Citar solo el número bajo | Otra prueba dio 18.9. | Cita la dispersión. |
| Perder los signos de tono en un editor antiguo | Las palabras cambian. | Usa Unicode. |
| Contar sílabas como palabras | La métrica parece inflada. | Lee la cifra como una indicación. |
| Mezclar habla del norte y del sur en un archivo | Las formas regionales confunden el texto. | Revisa esas partes. |
Más
Consulta la lista completa de idiomas, las herramientas y el glosario.
Preguntas frecuentes
¿Qué cifra es la correcta, 10.3 o 18.9?
Ambas están publicadas. La primera es de large-v2 y la segunda de large-v3 con otro conjunto de datos, así que toma la dispersión como la respuesta.
¿Sobreviven los signos de tono?
Sí. La transcripción está escrita en vietnamita con sus marcas, así que usa software con Unicode.
¿Cuál es el límite de tamaño?
2 GB por archivo, con Subir para los grandes.
¿Midieron ustedes estas cifras?
No. Vienen de pruebas publicadas por otras personas.
¿Se traduce el texto?
No. La transcripción se queda en vietnamita, el mismo idioma de la grabación que envías, y nunca se convierte a otro.
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
- FLEURS speech dataset (Google, Hugging Face), Hugging Face · 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