Potok mengubah audio bahasa Vietnam menjadi teks saat Anda mengirim rekaman ke bot Telegram. Pengujian terbitan pihak lain pada model large-v2 yang lebih lama, bukan pengukuran kami, memberi tingkat kesalahan kata 10.3, sedangkan set uji lain memberi 18.9 untuk large-v3, jadi hasil bervariasi menurut data. File hingga 2 GB bisa diproses.
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
- Dua angka terbitan tidak sama, 10.3 dan 18.9, karena set uji dan modelnya berbeda.
- Bahasa Vietnam menaruh spasi di antara setiap suku kata, sehingga tingkat kesalahan kata lebih menghitung suku kata daripada kata utuh.
- Tanda nada bertumpuk dan tanda vokal tambahan harus bertahan semuanya pada hasil ekspor.
- Satu tanda nada yang salah menghasilkan kata yang berbeda, jadi nada adalah hal utama untuk dibaca ulang.
- Nama ditulis dengan spasi di antara tiap suku kata, jadi nama keluarga dan nama depan perlu dicek urutannya secara manual.
Seperti apa transkrip itu
[00:00] Pembicara 1: Chúng ta bắt đầu cuộc họp nhé. Trước tiên, chúng ta sẽ xem lại kết quả tuần trước, sau đó lên kế hoạch cho các bước tiếp theo.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 |
|---|---|---|---|
| Vietnam (Tiếng Việt) | Direkomendasikan | tingkat kesalahan kata 10.3% (large-v2, FLEURS) 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
- Harapkan rentang yang lebar. Karena hasil terbitan menyebar dari 10.3 sampai 18.9, uji satu klip dari rekaman Anda sendiri.
- Buka bot. Buka @potok_now_bot dan kirim sampel.
- Kirim seluruh file. Hingga 2 GB; Unggah di aplikasi mini menangani yang terbesar.
- Periksa tanda nada. Lihat satu paragraf dan bandingkan tanda-tandanya dengan audio.
- Periksa nama. Nama orang dan tempat mudah salah.
- Ekspor. DOCX atau TXT untuk menyunting, SRT atau VTT 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 |
|---|---|---|
| Hanya mengutip angka yang rendah | Pengujian lain memberi 18.9. | Kutip sebarannya. |
| Menghilangkan tanda nada di editor lama | Kata berubah. | Pakai Unicode. |
| Menghitung suku kata sebagai kata | Ukurannya tampak membengkak. | Baca skor sebagai petunjuk. |
| Mencampur ucapan utara dan selatan dalam satu file | Bentuk daerah membingungkan teks. | Tinjau bagian-bagian itu. |
Selengkapnya
Lihat daftar lengkap bahasa, alat, dan glosarium.
Pertanyaan yang sering diajukan
Angka mana yang benar, 10.3 atau 18.9?
Keduanya terbit. Yang pertama dari large-v2 dan yang kedua dari large-v3 pada data lain, jadi anggap sebarannya sebagai jawaban.
Apakah tanda nada bertahan?
Ya. Transkrip ditulis dalam bahasa Vietnam lengkap dengan tandanya, jadi pakai perangkat lunak Unicode.
Berapa batas ukuran?
2 GB per file, dengan Unggah untuk file besar.
Apakah Anda mengukur ini?
Tidak. Angka-angka ini berasal dari pengujian terbitan pihak lain.
Apakah teksnya diterjemahkan?
Tidak. Transkrip tetap berbahasa Vietnam, sama dengan bahasa rekaman yang Anda kirim, dan tidak pernah diubah ke bahasa lain.
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
- FLEURS speech dataset (Google, Hugging Face), Hugging Face · 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