La transcripción de voz a texto en inglés con Potok es un idioma recomendado y tiene el error publicado más bajo de nuestra lista. Los resultados de large-v3 van de 4.0 a 4.25 de tasa de error por palabra en pruebas publicadas, y un tercero promedió 4.80 para la variante turbo. 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
- Tres cifras publicadas quedan entre 4.0 y 4.80, así que el inglés es el idioma mejor documentado aquí.
- Los conjuntos de prueba con habla leída son más limpios que las reuniones reales, así que espera más errores en tus archivos que en las pruebas de referencia.
- Los acentos del inglés varían mucho, y un acento regional marcado o las interrupciones rápidas son donde se notan los fallos.
- Los homófonos se escriben según el contexto, así que aún puede haber confusiones como their y there.
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
- Parte del original. Valen notas de voz del móvil, exportaciones de Zoom y grabaciones de clases. Conserva el archivo original y no una copia recomprimida.
- Envía. Abre @potok_now_bot y comparte el archivo o un enlace.
- Busca errores de contexto. Revisa los homófonos y los nombres propios, que ninguna puntuación recoge.
- Grabaciones grandes. Cualquier archivo de hasta 2 GB; usa el botón Subir para los más grandes.
- Elige una exportación. TXT, MD, DOCX, PDF, SRT o VTT. Los resultados cortos se muestran en el chat.
| 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 |
|---|---|---|
| Esperar cifras de referencia en una llamada ruidosa | El habla limpia de prueba es más fácil que las salas reales. | Toma las cifras como un suelo, no como un promedio. |
| No leer los homófonos | Se cuelan errores de ortografía que suenan bien. | Revisa con el audio. |
| Citar 4.0 como nuestra precisión | Es una cifra publicada por otros. | Cítala indicando el tipo de fuente. |
| Saltarse las etiquetas de hablante en un panel | No se conocen los nombres de las voces, solo números. | Activa las etiquetas y renómbralas después. |
Más
Consulta la lista completa de idiomas, las herramientas y el glosario.
Preguntas frecuentes
¿Cuáles son las puntuaciones publicadas?
Large-v3 va de 4.0 a 4.25 de tasa de error por palabra, y la variante turbo promedia 4.80 en una prueba de terceros.
¿Maneja bien los acentos?
Las cifras publicadas no se dividen por acento, así que prueba un fragmento del hablante.
¿Es el inglés el idioma mejor soportado?
Tiene el error publicado más bajo de nuestra lista, pero el audio real importa más que el número.
¿Puedo enviar un enlace de YouTube?
Sí, se aceptan enlaces de YouTube además de archivos de hasta 2 GB.
¿Obtengo marcas de tiempo?
Sí, de forma opcional, y se exportan a SRT y VTT.
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
- 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