Para probar una herramienta gratis de transcripción en indonesio, envía un clip informal y otro formal y compara cómo se lee cada uno. Para Potok, las pruebas publicadas del modelo anterior large-v2 dan una tasa de error por palabra de 7.1 para el indonesio; no se encontró ninguna cifra de large-v3.
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 7.1 es una tasa de error por palabra de una prueba publicada de large-v2, no una medición nuestra.
- No se encontró ninguna cifra de large-v3, y un tercero publicó una media de turbo de 6.98.
- El habla informal y la formal pueden diferir mucho, así que un solo clip cuenta solo la mitad de la historia.
- La transcripción se queda en indonesio y no se traduce.
Cómo se ve una transcripción
[00:00] Hablante 1: Mari kita mulai rapat. Pertama, kita tinjau hasil minggu lalu, lalu kita rencanakan langkah berikutnya.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 |
|---|---|---|---|
| Indonesio (Bahasa Indonesia) | Recomendado | tasa de error de palabras 7.1% (large-v2, FLEURS) Whisper paper, TheWhisper benchmark | 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
- Haz un clip informal. Graba una charla informal con jerga y palabras abreviadas.
- Haz un clip formal. Añade una presentación o un pasaje de estilo noticiario para contrastar.
- Abre el bot. Abre @potok_now_bot en Telegram y envía ambos clips como mensajes de voz o archivos de audio.
- Compara el par. Mira qué clip necesitó más correcciones. La diferencia muestra dónde es más débil la herramienta y qué tipo de audio conviene revisar después.
- Amplía. Se admiten hasta 2 GB, con Subir en la mini app para los grandes. Exporta TXT, DOCX o SRT, y guarda los resultados de ambas muestras para comparar más tarde.
| 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 formal | El habla informal puede comportarse distinto. | Incluye siempre audio informal. |
| Citar 7.1 como resultado de large-v3 | Viene del modelo anterior. | Nombra el modelo. |
| Ignorar las palabras prestadas | El inglés y los términos locales son habituales en el habla. | Comprueba cómo se escriben. |
| Juzgar por un solo hablante | Las voces varían. | Prueba con dos hablantes. |
Más
Consulta la lista completa de idiomas, las herramientas y el glosario.
Preguntas frecuentes
¿Cómo puntúa el indonesio?
Las pruebas publicadas de large-v2 dan una tasa de error por palabra de 7.1, un buen resultado.
¿Hay una cifra de large-v3?
No se encontró ninguna. Un tercero publicó una media de turbo de 6.98.
¿Puedo enviar un vídeo?
Sí, además de audio, mensajes de voz y enlaces de YouTube.
¿Cómo reviso las líneas dudosas?
Activa las marcas de tiempo y salta a ese momento del audio.
¿Puede salir el texto en inglés?
No. La transcripción se queda en el idioma de la grabación.
¿Cuánto debe durar cada clip?
Medio minuto cada uno basta. Mantén los dos clips con una duración parecida para que la comparación entre habla informal y formal sea justa.
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