Para comparar herramientas gratis de transcripción en cantonés, pasa un clip corto por cada una y cuenta los caracteres erróneos. Potok se apoya en una tasa de error por carácter publicada de 9.8 para el cantonés con large-v3, pero este idioma está en el límite, así que trata esa cifra como el resultado de otros.
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 9.8 es una tasa de error por carácter (CER) de una prueba publicada de large-v3, no una medición nuestra.
- El cantonés se escribe sin espacios, así que la calidad se cuenta en caracteres y no en palabras.
- Una prueba de un proveedor dio resultados mucho peores para la variante turbo, más rápida, así que el cantonés sigue en el límite.
- La transcripción se queda en cantonés y no se traduce.
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
- Elige un clip corto. Usa unos treinta segundos de cantonés claro con un solo hablante, para seguir los errores con facilidad.
- Abre el bot. Abre @potok_now_bot en Telegram y envía el clip como mensaje de voz, archivo de audio o vídeo.
- Cuenta caracteres, no palabras. Sin espacios no hay límites de palabra. Copia el texto en una hoja de cálculo y marca cada carácter erróneo o ausente.
- Compara herramientas con el mismo clip. Envía el mismo archivo a cada herramienta que pruebes. Así las diferencias vienen de la herramienta y no del audio.
- Pasa a un archivo más largo. Se admiten archivos de hasta 2 GB, y el botón Subir de la mini app del bot sirve para los grandes. Exporta TXT, DOCX o SRT.
| 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 |
|---|---|---|
| Contar palabras en un resultado en cantonés | No hay espacios, así que el recuento no tiene sentido. | Cuenta caracteres y divide entre el total oído. |
| Fiarse de una sola cifra en resultados límite | El cantonés está cerca del borde de lo que llamamos fiable. | Trata cada transcripción como un borrador y vuelve a leerla. |
| Mezclar hablantes en el clip de prueba | El solapamiento dificulta ver qué errores corresponden a cada voz. | Prueba primero una sola voz y añade una segunda después. |
| Saltarse una segunda herramienta | Con un solo resultado no hay nada con qué comparar. | Pasa el mismo clip por otra y guarda ambos textos lado a lado. |
Más
Consulta la lista completa de idiomas, las herramientas y el glosario.
Preguntas frecuentes
¿Por qué el cantonés está marcado como límite?
La cifra publicada es decente, pero una prueba de un proveedor dio resultados mucho peores para la variante turbo, así que aconsejamos cautela.
¿Qué es una tasa de error por carácter?
Cuenta los caracteres erróneos, ausentes o sobrantes frente a una referencia humana. Va bien para idiomas que se escriben sin espacios.
¿Es 9.8 lo que voy a obtener?
No necesariamente. Viene de una prueba publicada con otro audio. Tu hablante, el ruido y el vocabulario cambian el resultado.
¿Puedo usar marcas de tiempo para revisar pasajes largos?
Sí. Activa las marcas de tiempo y salta al punto del audio donde está una frase dudosa.
¿La salida se convierte a mandarín?
No. La transcripción se queda en el idioma de la grabación y no se cambia 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.
- Whisper speech recognition system (Wikipedia), Wikipedia · comprobado
- Word error rate (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