Potok mengubah audio Mandarin menjadi teks lewat bot Telegram. Uji coba pihak lain yang dipublikasikan pada large-v3, bukan pengukuran kami, memberi tingkat kesalahan karakter 7.8, turun dari 14.7 pada model large-v2 sebelumnya. Bahasa Mandarin tidak memakai spasi, jadi kesalahan dihitung per karakter. File hingga 2 GB diterima.
Transkripsikan rekaman
Kirim pesan suara, audio, atau video Anda ke @potok_now_bot di Telegram, lalu teksnya akan dikirim kembali di obrolan.
Buka @potok_now_bot di Telegram
File hingga 2 GB · ekspor ke TXT, MD, DOCX, PDF, SRT, dan VTT · label pembicara dan stempel waktu · sekitar 30 bahasa
Fakta utama
- Tingkat kesalahan karakter menghitung karakter yang salah terhadap teks acuan yang benar, jadi makin rendah makin baik.
- Model large-v2 sebelumnya mendapat 14.7 pada uji coba dipublikasikan yang sejenis.
- Bahasa Mandarin ditulis tanpa spasi, jadi ukurannya menghitung karakter, bukan kata.
- Bahasa Kanton adalah bahasa lisan yang terpisah dan punya halamannya sendiri di situs ini.
Seperti apa transkrip itu
[00:00] Pembicara 1: 我们开始开会吧。首先回顾上周的结果，然后规划下一步。Artinya dalam bahasa Inggris: Let's start the meeting. First, we'll review last week's results, then plan the next steps.
Ditulis oleh kami untuk menunjukkan aksara dan tata letak transkrip. Ini bukan keluaran mesin pengenalan.
Kualitas yang dipublikasikan
| Bahasa | Penilaian | Hasil publikasi | Catatan |
|---|---|---|---|
| Mandarin (中文（普通话）) | Direkomendasikan | tingkat kesalahan karakter 7.8% (large-v3, FLEURS) Whale paper, Whisper paper | Pengujian yang dipublikasikan menunjukkan tingkat kesalahan yang rendah untuk bahasa ini. |
Angka-angka ini berasal dari pengujian yang dipublikasikan oleh pihak lain, bukan dari pengujian Potok. Audio Anda sendiri, dengan kebisingan, aksen, dan mikrofonnya, akan memberi hasil yang berbeda.
Cara melakukannya
- Pastikan bahasanya Mandarin. Jika pembicara beralih ke bahasa Kanton atau dialek daerah yang kental, hasilnya akan turun. Pisahkan file di tempat bahasa berganti.
- Buka bot. Buka @potok_now_bot di Telegram.
- Kirim file. Audio, video, pesan suara, atau tautan YouTube semuanya bisa, hingga 2 GB. Gunakan tombol Unggah untuk yang besar.
- Periksa karakter yang bunyinya mirip. Karakter yang berbeda bisa memiliki pelafalan yang sama. Baca hasilnya sambil mendengarkan audio dan perbaiki terutama nama.
- Ekspor. Pilih DOCX atau TXT untuk diedit dan SRT untuk subtitle.
| Fitur | Rincian |
|---|---|
| Tempat penggunaan | Bot Telegram @potok_now_bot; file besar diproses lewat aplikasi mini bot |
| Ukuran file | Hingga 2 GB |
| Ekspor | TXT, MD, DOCX, PDF, SRT, VTT |
| Pembicara dan waktu | Label pembicara dan stempel waktu dapat diaktifkan |
| Bahasa | Sekitar 30 bahasa dengan hasil publikasi yang baik; beberapa bahasa lain disertai peringatan |
| Terjemahan | Transkrip tidak diterjemahkan ke bahasa lain |
| Dikte | Aplikasi desktop Potok terpisah memungkinkan Anda mendikte teks ke program apa pun; aplikasi ini mengenali ucapan bahasa Rusia |
Kesalahan umum
| Kesalahan | Yang terjadi | Perbaikan |
|---|---|---|
| Mencampur Mandarin dan Kanton dalam satu file | Pengenal mengikuti satu bahasa dan separuh lainnya memburuk. | Potong file di tempat bahasa berganti. |
| Menghitung kata untuk mengukur kualitas | Teks tanpa spasi tidak terbagi menjadi kata. | Bandingkan karakter, seperti yang dilakukan angka yang dipublikasikan. |
| Memercayai nama begitu saja | Sebuah nama bisa ditulis dengan karakter lain yang bunyinya mirip. | Periksa nama dengan sumber tertulis. |
| Mengutip 14.7 sebagai hasil terkini | Angka itu milik model large-v2 sebelumnya. | Pakai angka large-v3 sebesar 7.8 dan sebutkan modelnya. |
Selengkapnya
Lihat daftar lengkap bahasa, alat, dan glosarium.
Pertanyaan yang sering diajukan
Seberapa baik transkripsi Mandarin?
Tingkat kesalahan karakter yang dipublikasikan adalah 7.8 pada large-v3, yang masuk kelompok baik, tetapi nama dan kata langka tetap perlu diperiksa.
Mengapa memakai tingkat kesalahan karakter?
Bahasa Mandarin ditulis tanpa spasi, jadi ukuran yang umum menghitung karakter, bukan kata.
Apakah angka large-v2 masih relevan?
Angkanya 14.7, jadi model yang lebih baru membaca lebih baik pada uji coba yang dipublikasikan itu.
Bisakah saya mengunggah video?
Bisa. File video dan tautan YouTube diterima dalam batas 2 GB.
Apakah hasilnya aksara tradisional atau sederhana?
Uji coba yang dipublikasikan tidak menyebutkannya, jadi periksa sampel untuk bentuk yang Anda butuhkan.
Sumber
Setiap sumber dibuka secara manual pada tanggal yang tertera. Halaman bisa berubah, jadi buka sumbernya jika ada detail yang penting bagi Anda.
- Word error rate (Wikipedia), Wikipedia · diperiksa
- Whisper speech recognition system (Wikipedia), Wikipedia · diperiksa
- Whale paper, Table 5 (Whisper large-v3 on FLEURS) · diperiksa
- Whisper paper, Table 13 (large-v2 on FLEURS) · diperiksa
Coba pada rekaman Anda sendiri
Kirim pesan suara, audio, atau video Anda ke @potok_now_bot di Telegram, lalu teksnya akan dikirim kembali di obrolan.
Buka @potok_now_bot di Telegram