Potokは、Telegramのボットを通じてアラビア語のボイスメッセージ、音声、動画をテキストにできますが、注意が必要です。large-v2モデルについて公表されているテストでは、アラビア語の単語誤り率は16で、方言の音声は現代標準アラビア語より結果が悪くなります。2 GBまでのファイルを受け付けます。
録音を文字起こしする
音声メッセージ、音声、動画を Telegram の @potok_now_bot に送ると、チャットにテキストが返ってきます。
2 GB までのファイル · TXT、MD、DOCX、PDF、SRT、VTT で書き出し · 話者ラベルとタイムスタンプ · 約30言語
要点
- 16という数値は、以前のlarge-v2モデルについて公表されたテストの単語誤り率であり、当社が測定したものではありません。
- turboモデルについては第三者の平均値として10.57が示されており、アラビア語の公表値は一つの数字にそろっていません。
- 話し言葉の方言は現代標準アラビア語とは大きく異なり、方言の音声では誤り率が高くなります。
- アラビア語は右から左に書くため、その方向に対応したエディタで書き出したファイルを開いてください。
文字起こしのイメージ
[00:00] 話者1: لنبدأ الاجتماع. أولاً سنراجع نتائج الأسبوع الماضي، ثم نخطط للخطوات التالية.日本語の意味：Let's start the meeting. First, we'll review last week's results, then plan the next steps.
文字の表記と文字起こしのレイアウトを示すために当社で作成したものです。認識エンジンの出力ではありません。
公開されている品質
| 言語 | 評価 | 公開されている結果 | 備考 |
|---|---|---|---|
| アラビア語 (العربية) | 注意が必要 | 単語誤り率 16%（large-v2、FLEURS） Whisper paper, TheWhisper benchmark | 公開されているテストでは、この言語の誤り率は高めです。まず短いサンプルで確認し、校正する前提でご利用ください。 |
これらの数値は第三者が公開したテストによるもので、Potokのテストによるものではありません。ノイズ、訛り、マイクを含むお客様ご自身の音声では、結果が異なります。
手順
- どのアラビア語か見極める。 ニュース、講義、用意された話し方は標準語に近い形です。街中の会話や家族との通話は方言なので、修正が多くなると見込んでください。
- ボットを起動する。 Telegramで@potok_now_botを開き、ボイスメッセージ、音声、動画、またはYouTubeのリンクを送ってください。
- 大きなファイルはアップロードを使う。 2 GBまで受け付けます。長い録音は、ボットのミニアプリにある「アップロード」ボタンを使ってください。
- まず短い部分を読む。 長い文字起こしを信用する前に、最初の一分を実際の音声と照らし合わせてください。特に方言では重要です。
- 書き出す。 読む用途にはTXTかDOCX、字幕にはSRTかVTTを選んでください。音声と照合する予定がある場合は、タイムスタンプをオンのままにしておきます。
| 機能 | 詳細 |
|---|---|
| 利用場所 | Telegram ボット @potok_now_bot。大きなファイルはボットのミニアプリから送れます |
| ファイルサイズ | 最大 2 GB |
| 書き出し形式 | TXT、MD、DOCX、PDF、SRT、VTT |
| 話者と時間 | 話者ラベルとタイムスタンプをオンにできます |
| 対応言語 | 公開されている結果が良好な約30言語と、注意が必要な数言語 |
| 翻訳 | 文字起こしは他の言語に翻訳されません |
| 音声入力 | 別途Potokのデスクトップアプリで、任意のプログラムに音声でテキストを入力できます。ロシア語の音声に対応しています |
よくある間違い
| 間違い | 起こること | 対処法 |
|---|---|---|
| 一つのスコアをすべてのアラビア語方言の証拠として扱う | 方言の録音は、正式な話し方よりも明らかに誤りが多くなります。 | 何時間もの音声を送る前に、実際の話者の短いクリップで試してください。 |
| 書き出したファイルを左から右のエディタで読む | 句読点や数字が行の反対側に飛び、文章が崩れて見えます。 | 右から左の表示に対応したワープロで開いてください。 |
| 16を当社自身の結果として引用する | 読者は、その数値があなたの音声で測定されたものだと思い込みます。 | 第三者が公表したテストの数値だと明記してください。 |
| 英語の文章が返ってくると期待する | ボットは翻訳しないため、文字起こしはアラビア語のままです。 | 完成したテキストは別の手順で翻訳してください。 |
関連情報
よくある質問
アラビア語のページに注意書きがあるのはなぜですか？
アラビア語について公表されている誤り率は推奨言語より高く、方言の音声ではさらに上がるため、結果は慎重に読む必要があります。
エジプト、湾岸、レバントの話し方も理解できますか？
公表されたテストでは方言別の結果は示されておらず、方言は現代標準アラビア語と大きく異なるとだけ書かれています。まず短いサンプルで試してください。
アラビア語の動画やYouTubeのリンクを送れますか？
はい。ボットは音声・動画ファイルを読み取り、2 GBのファイル上限の範囲でYouTubeのリンクも受け付けます。
短母音や補助記号も書かれますか？
期待しないでください。通常のアラビア語の文章ではそれらが省かれることが多いので、必要な記号は手作業で補ってください。
文字起こしを英語で受け取れますか？
いいえ。文字起こしは録音と同じ言語のままで、ボットは翻訳しません。
出典
各出典は、記載の日付に手作業で開いて確認しました。ページは変更されることがあるため、細部が重要な場合は出典をご確認ください。
- Word error rate (Wikipedia), Wikipedia · 確認日
- FLEURS speech dataset (Google, Hugging Face), Hugging Face · 確認日
- Whisper paper, Table 13 (large-v2 on FLEURS) · 確認日
- TheWhisper benchmark (turbo, average over FLEURS, MLS, Common Voice) · 確認日
お手持ちの録音で試してみましょう
音声メッセージ、音声、動画を Telegram の @potok_now_bot に送ると、チャットにテキストが返ってきます。
Telegram で @potok_now_bot を開く