Para valorar una herramienta gratis de transcripción en árabe, dale un clip corto y lee el resultado mientras escuchas el audio. Con Potok, la tasa de error por palabra publicada para el árabe es 16, así que usa dos clips: uno formal y otro dialectal. El habla dialectal puntúa peor, y la cifra viene de pruebas ajenas.
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
- El 16 es una tasa de error por palabra de pruebas publicadas del modelo anterior large-v2, no una medición nuestra.
- También existe una media de turbo de terceros de 10.57, así que las cifras publicadas para el árabe no coinciden en un solo valor.
- Como los dialectos difieren mucho del árabe estándar moderno, un solo clip no representa todo el idioma.
- El árabe se escribe de derecha a izquierda, y eso importa al abrir el archivo exportado.
Cómo se ve una transcripción
[00:00] Hablante 1: لنبدأ الاجتماع. أولاً سنراجع نتائج الأسبوع الماضي، ثم نخطط للخطوات التالية.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 |
|---|---|---|---|
| Árabe (العربية) | Úsalo con cuidado | tasa de error de palabras 16% (large-v2, FLEURS) Whisper paper, TheWhisper benchmark | Las pruebas publicadas muestran una tasa de error más alta para este idioma. Revisa primero una muestra corta y prevé una corrección posterior. |
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
- Corta dos clips breves. Toma unos treinta segundos de habla formal, como una conferencia, y la misma duración de conversación informal en tu dialecto.
- Abre el bot. Abre @potok_now_bot en Telegram y envía el primer clip como mensaje de voz, archivo de audio o vídeo.
- Envía el segundo clip. Guarda los dos resultados por separado para comparar cómo se desenvuelve la herramienta con cada registro.
- Sigue el texto con el audio. Marca cada palabra incorrecta, ausente o inventada. La proporción entre marcas y palabras oídas es tu tasa de error aproximada.
- Amplía solo si aguanta. Para una grabación larga se aceptan archivos de hasta 2 GB, y el botón Subir de la mini app del bot sirve para los grandes.
| 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 |
|---|---|---|
| Probar solo con habla de noticiario | El clip sale limpio, pero las llamadas familiares salen con muchos más errores. | Añade siempre un clip del dialecto que realmente necesitas. |
| Juzgar la herramienta por una frase afortunada | Una sola frase fácil dice poco de una grabación completa. | Usa un tramo continuo de habla con algunos nombres. |
| Abrir el resultado en un editor de izquierda a derecha | La puntuación y los dígitos saltan al lado equivocado de la línea. | Revísalo en un procesador de texto con soporte para escritura de derecha a izquierda. |
| Comparar herramientas con exportaciones distintas | Las diferencias de formato se confunden con diferencias de reconocimiento. | Exporta el mismo formato de cada herramienta antes de comparar. |
Más
Consulta la lista completa de idiomas, las herramientas y el glosario.
Preguntas frecuentes
¿Por qué la página del árabe lleva una advertencia?
Las tasas de error publicadas para el árabe son más altas que para los idiomas recomendados y suben con el habla dialectal, así que leer con atención forma parte del trabajo.
¿Cuánto debe durar el clip de prueba?
Entre medio minuto y un minuto basta para ver el patrón de errores sin dedicar mucho tiempo a revisar.
¿Las cifras publicadas me dicen cómo irá mi audio?
No. Vienen de pruebas ajenas con sus propios datos. Tu micrófono, el ruido y tu dialecto deciden el resultado real.
¿Aparecerán las vocales cortas en el texto?
No cuentes con ello. El árabe habitual suele omitirlas, así que añade a mano las marcas que necesites.
¿Me dará el texto en inglés?
No. La transcripción se queda en el idioma de la grabación.
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
- TheWhisper benchmark (turbo, average over FLEURS, MLS, Common Voice) · 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