ベトナム語の文字起こし：何が返ってくるか

Potokのベトナム語の文字起こしは、声調記号付きのテキストで返ります。公表されている単語誤り率は、以前のlarge-v2モデルで10.3ですが、別のテストセットではlarge-v3で18.9で、結果はデータによって変わります。Telegramで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。

Telegram で @potok_now_bot を開く

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

• 10.3は、他者による公表テストの単語誤り率で、当社自身の測定ではありません。
• 別の公表テストではlarge-v3で18.9となり、データセット間の差は大きいです。
• ベトナム語は声調記号と追加の母音記号を持つラテン文字を使い、すべての音節はスペースで区切られます。
• タイムスタンプと番号付きの話者ラベルは任意です。

文字起こしのイメージ

[00:00] 話者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.

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

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

1. クリップを選ぶ。 はっきりした話し方の短い部分を選び、@potok_now_botに送ってください。
2. 音声と比べる。 品質が自分の録音に合うか判断してください。結果は10に近いことも、19に近いこともあります。
3. ファイル全体を送る。 2 GBまで入ります。最も大きなものにはミニアプリの「アップロード」ボタンを使います。
4. ラベルとタイムスタンプをオンにする。 どちらも、会議や長いインタビューに役立ちます。
5. 声調記号を確認する。 記号が違うと別の音節になるため、名前と数値は念入りに読んでください。
6. 書き出す。 TXT、MD、DOCX、PDF、SRT、VTTです。

よくある間違い

関連情報

対応言語の一覧、ツール、用語集もご覧ください。

よくある質問

文字起こしに声調記号は含まれますか？

はい。声調記号と母音記号を持つ書き言葉のベトナム語なので、表示用のフォントが対応している必要があります。

公表された数値が違うのはなぜですか？

large-v2のあるテストでは10.3、large-v3の別のテストでは18.9となり、データセットが異なるためです。

字幕を作れますか？

はい。SRTかVTTを書き出し、改行を確認してください。

ボットは話者を区別しますか？

オンにすれば、番号付きのラベルで発言を示せます。

サイズの上限はいくつですか？

ファイルは2 GBまでで、最も大きなものにはミニアプリで「アップロード」を使います。

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。

1. Word error rate (Wikipedia), Wikipedia · 確認日 2026-10-18
2. FLEURS speech dataset (Google, Hugging Face), Hugging Face · 確認日 2026-10-18
3. Whisper paper, Table 13 (large-v2 on FLEURS) · 確認日 2026-10-18