La transcripción de voz a texto en árabe con Potok funciona mediante un bot de Telegram y viene con una advertencia. En pruebas publicadas del modelo large-v2, la tasa de error por palabra del árabe es 16, por encima de la de los idiomas recomendados, y el habla dialectal sale peor. Son pruebas de otros, no mediciones nuestras.
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 dialecto es el riesgo principal: una charla informal entre familiares puede quedar lejos del árabe estándar moderno de las emisiones formales.
- Un promedio independiente para el modelo turbo fue 10.57, así que ni siquiera las cifras publicadas coinciden en un único número.
- La tasa de error por palabra cuenta las palabras cambiadas, omitidas o añadidas respecto a un texto de referencia.
- Un solo hablante en una habitación tranquila es la primera prueba más segura.
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 una muestra breve. Toma cerca de un minuto del medio de tu grabación, no de la introducción pulida, y deja al hablante que te interesa.
- Envíala al bot. Abre @potok_now_bot en Telegram y manda el fragmento como mensaje de voz, archivo de audio o vídeo.
- Compara de oído. Escucha mientras lees. Revisa primero los nombres de personas y lugares, porque son las palabras que el modelo ha visto menos.
- Envía el archivo completo. Se aceptan hasta 2 GB. Para una grabación larga usa el botón Subir de la mini app del bot.
- Exporta para leer. Elige DOCX o TXT para revisar y SRT o VTT para subtítulos. Deja activadas las marcas de tiempo para volver a las líneas dudosas.
| 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 |
|---|---|---|
| Juzgar todos los dialectos árabes por una sola cifra publicada | El número dice poco sobre un acento regional, y los errores aumentan con el habla dialectal. | Haz una prueba con el hablante real antes de dedicar horas de audio. |
| Abrir el texto exportado en un editor de izquierda a derecha | Los dígitos y la puntuación acaban en el lado equivocado de la línea. | Usa un procesador de textos con soporte de derecha a izquierda. |
| Citar 16 como resultado en tus archivos | Los lectores creen que se midió con tu audio. | Aclara que es una cifra de pruebas publicadas por otros. |
| Saltarte la revisión de hablantes en una llamada grupal | Las voces que se solapan se funden en una sola línea. | Activa las etiquetas de hablante, que aparecen como números. |
Más
Consulta la lista completa de idiomas, las herramientas y el glosario.
Preguntas frecuentes
¿Por qué esta página lleva una advertencia?
Las tasas de error publicadas para el árabe son más altas que para los idiomas recomendados y suben aún más con el habla dialectal, así que lee el resultado con atención.
¿Entiende el habla egipcia o del Golfo?
Las pruebas publicadas no separan los resultados por dialecto. Solo señalan que los dialectos difieren mucho de la forma estándar, así que prueba con una muestra breve.
¿Puedo enviar un vídeo en árabe?
Sí. El bot lee archivos de vídeo y audio, mensajes de voz y enlaces de YouTube dentro del límite de 2 GB.
¿Se escribirán los signos diacríticos?
No cuentes con ello. El texto árabe cotidiano suele dejar sin escribir las vocales breves, así que añade los signos tú mismo si los necesitas.
¿Qué significa el 16?
Es la tasa de error por palabra, en porcentaje de palabras, según pruebas publicadas del modelo large-v2.
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