El inglés es donde Potok rinde mejor en las pruebas publicadas: el modelo large-v3 alcanza una tasa de error de palabras de 4 en una y 4.25 en otra, y una prueba de terceros de la variante turbo promedia 4.80. Envía notas de voz, llamadas, vídeo o archivos de hasta 2 GB al bot de Telegram.
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
- Las tasas de error de palabras publicadas de large-v3 para el inglés van de 4 a 4.25, medidas por otros y no por nosotros.
- Una prueba de terceros de la variante turbo promedia 4.80, así que incluso el modelo más pequeño queda cerca.
- Los acentos, la jerga y las voces superpuestas afectan a los resultados reales más que el promedio.
- Los homófonos como there y their son los errores típicos que quedan.
Cómo se ve una transcripción
[00:00] Hablante 1: Let's start the meeting. First, we'll review last week's results, then plan the next steps.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 |
|---|---|---|---|
| Inglés (English) | Recomendado | tasa de error de palabras 4% (large-v3, FLEURS) Canary-1B-v2 paper, Whale 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
- Elige la mejor fuente. Usa el archivo original en lugar de una grabación de pantalla de una llamada, que añade ruido y compresión.
- Escribe al bot. Envía audio, vídeo, un mensaje de voz reenviado o un enlace de YouTube a @potok_now_bot.
- Para un archivo de duración de película. El tope es 2 GB. El botón Upload de la mini app es la vía para enviar una grabación muy larga.
- Activa las etiquetas de hablantes. Las etiquetas de hablante aparecen como Hablante 1, Hablante 2. Añade marcas de tiempo si vas a citar el audio.
- Revisa los detalles. Comprueba nombres de productos, siglas, números y homófonos.
- Exporta. TXT, MD, DOCX, PDF para texto; 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 |
|---|---|---|
| Suponer que 4 significa cuatro palabras erróneas de cada cien en tu archivo | Los acentos marcados y el ruido pueden elevar la tasa real muy por encima. | Toma la cifra como referencia, no como promesa. |
| Pasar por alto los homófonos | Se cambian palabras que suenan igual y el texto sigue pareciendo plausible. | Lee la transcripción pensando en el sentido de la frase. |
| No avisar de las siglas antes de la llamada | La jerga desconocida se convierte en palabras corrientes. | Ten una lista breve de términos y corrige después. |
| Usar una llamada grabada con el altavoz | El eco hace perder palabras de ambos lados. | Graba a cada hablante cerca del micrófono. |
Más
Consulta la lista completa de idiomas, las herramientas y el glosario.
Preguntas frecuentes
¿Qué tal funciona la transcripción en inglés?
Las pruebas publicadas de large-v3 indican tasas de error de palabras de 4 a 4.25 para el inglés, entre las más bajas de nuestra lista. Son cifras de otros grupos.
¿Maneja acentos británicos, estadounidenses e indios?
Las cifras publicadas no desglosan los resultados por acento. Prueba un clip corto de tu hablante si el acento es marcado.
¿Puedo transcribir un vídeo de YouTube?
Sí. Pega el enlace en el chat y el bot transcribe el habla.
¿Se rellenan los nombres de los hablantes?
No. Las etiquetas son números, y los renombras tú en el archivo exportado.
¿Se traduce el texto en inglés?
No. El resultado se queda en inglés y el bot no lo traduce a otro idioma.
Fuentes
Cada fuente se abrió a mano en la fecha indicada. Las páginas cambian, así que abre la fuente si un detalle te importa.
- FLEURS speech dataset (Google, Hugging Face), Hugging Face · comprobado
- Word error rate (Wikipedia), Wikipedia · comprobado
- Canary-1B-v2 paper, Table 11 (Whisper large-v3 on FLEURS) · 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