ヒンディー語の文字起こし：音声・動画をテキストに

PotokはTelegramでヒンディー語の音声・動画をテキストにできますが、公表されている数値が食い違うため注意が必要です。モデルの発表では単語誤り率は16.9ですが、テキストの正規化が異なる独立したテストでは約37と報告されています。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。

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

• 発表の数値16.9は単語誤り率で、公表された数値であり、当社自身のテストではありません。
• 正規化が異なる独立したテストでは約37と報告され、第三者のturboの平均は19.25でした。
• 推奨言語とされている言語より、誤りが多くなると見込んでください。
• ヒンディー語はデーヴァナーガリーで書かれ、話し言葉には英語の語がよく混じります。

文字起こしのイメージ

[00:00] 話者1: चलिए बैठक शुरू करते हैं। पहले हम पिछले हफ़्ते के नतीजों की समीक्षा करेंगे, फिर अगले कदमों की योजना बनाएँगे।

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. 一分の音声から始める。 長いファイルを任せる前に、@potok_now_botへ送ってください。
2. 直した箇所に印を付ける。 編集が必要な行を数えます。それで、16.9と約37に近い値のどちらが話者に合うかが分かります。
3. 録音全体を送る。 2 GBまでのファイルを受け付けます。長いものにはミニアプリの「アップロード」ボタンを使ってください。
4. 英語の語を見る。 混ざった英語の用語や名前がどう書かれたかを確認してください。
5. 書き出す。 TXT、MD、DOCX、PDF、SRT、VTTです。見直しのためにタイムスタンプをオンにしておいてください。

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

ヒンディー語に注意書きがあるのはなぜですか？

発表の16.9から独立したテストの約37まで、公表された結果が食い違っており、実際の誤り率が不確かだからです。

なぜ数値がそれほど違うのですか？

独立したテストはテキストの正規化が異なり、それが不一致の数え方を変えるためです。

ヒンディー語と英語が混ざった話し方にも対応しますか？

公表された数値は混ざった話し方を扱っていないため、クリップで試し、英語の用語を確認してください。

字幕を書き出せますか？

はい。SRTかVTTを書き出し、使う前に校正してください。

ヒンディー語は英語に翻訳されますか？

いいえ。テキストはヒンディー語のままで、ボットは文字起こしを他の言語に翻訳しません。

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。

1. FLEURS speech dataset (Google, Hugging Face), Hugging Face · 確認日 2026-10-18
2. Word error rate (Wikipedia), Wikipedia · 確認日 2026-10-18
3. OpenAI Whisper discussion on large-v3 · 確認日 2026-10-18
4. TheWhisper benchmark (turbo, average over FLEURS, MLS, Common Voice) · 確認日 2026-10-18