La transcripción de voz a texto en cantonés con Potok viene con una nota de caso límite. Las pruebas publicadas de large-v3 indican una tasa de error por carácter de 9.8, ya que el cantonés se escribe sin espacios, pero una prueba de un proveedor mostró resultados mucho más débiles para la variante turbo, más rápida. Toma los números como hallazgos de otros, no nuestros.
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
- La calidad se da por carácter y no por palabra, porque el texto cantonés no tiene espacios entre palabras.
- Una prueba de un proveedor dio resultados mucho peores para la variante turbo, y por eso el idioma está marcado como caso límite.
- Estar en el límite significa que la cifra queda cerca de nuestro umbral, así que una prueba con una muestra vale el minuto que lleva.
- Las exportaciones se quedan en el idioma de la grabación.
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
- Empieza con un fragmento de prueba. Envía primero treinta segundos. En un idioma límite cuesta poco y muestra si el resultado te sirve.
- Usa el bot. Abre @potok_now_bot y adjunta la muestra como mensaje de voz o archivo de audio.
- Juzga por carácter. Lee el texto junto al audio y cuenta los puntos donde falla un carácter, no las frases enteras.
- Envía el resto. Si la muestra se lee bien, envía la grabación completa. Hasta 2 GB está bien y el botón Subir se encarga de los archivos grandes.
- Elige una exportación. DOCX o TXT para leer, 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 |
|---|---|---|
| Leer una tasa de error por carácter como si fuera por palabra | 9.8 cuenta caracteres, así que las dos no son comparables. | Compara solo cifras que usen la misma métrica. |
| Lanzar un archivo largo sin probar | Un idioma límite puede sorprenderte en una hora entera. | Haz siempre antes una muestra corta. |
| Mezclar frases en inglés en el mismo fragmento | Las palabras extranjeras se escriben con menos fiabilidad. | Marca esos puntos y compruébalos de oído. |
| Esperar espacios entre palabras | El cantonés escrito no los usa. | No busques separaciones de palabras en la transcripción. |
Más
Consulta la lista completa de idiomas, las herramientas y el glosario.
Preguntas frecuentes
¿Por qué el cantonés es un caso límite?
Una prueba de un proveedor dio resultados mucho peores para la variante turbo, más rápida, así que el idioma queda cerca de nuestro umbral.
¿Qué es una tasa de error por carácter?
Es la proporción de caracteres que difieren de un texto de referencia, y se usa cuando la escritura no deja espacios entre palabras.
¿9.8 es una medición propia?
No. Viene de pruebas publicadas del modelo large-v3, hechas por otros.
¿Puede el bot procesar un vídeo?
Sí. Se aceptan vídeo, audio y mensajes de voz, hasta 2 GB por archivo.
¿Se nombrará a los hablantes?
No. Las voces solo pueden etiquetarse con números, nunca con nombres reales.
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
- Whisper speech recognition system (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