Potokの韓国語の文字起こしは、話者ごとに一つのブロックにまとめた通常の韓国語テキストで、タイムスタンプは任意です。large-v3の公表単語誤り率は14.1で、当社の基準である15をわずかに下回るため、韓国語は境界線上として扱い、通して読む時間を見込んでください。ボットは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
- 14.1は、他者が公表したテストによる単語誤り率で、当社の測定ではなく、15の基準に近い値です。
- 韓国語の表記ではスペースの規則が一様に適用されないため、語の数はスペースを置く位置によって変わります。
- 助詞や語尾は直前の語に直接付くため、語単位の採点は、読んだときの印象より厳しくなります。
- 話者ラベルは話者1、話者2のように表示され、実際の名前になることはありません。
文字起こしのイメージ
[00:00] 話者1: 회의를 시작하겠습니다. 먼저 지난주 결과를 검토하고, 그다음 다음 단계를 계획하겠습니다.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 |
|---|---|---|---|
| 韓国語 (한국어) | おすすめ（ぎりぎり） | 単語誤り率 14.1%（large-v3、FLEURS） Whale paper | 公開されているテストでは、誤り率が当社の基準である15%に近くなっています。まず短いサンプルで確認してください。 |
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
- ボットを開く。 Telegramで@potok_now_botを開き、テキストを受け取りたいチャットを選んでください。
- 韓国語の録音を送る。 ボイスメッセージ、音声ファイル、動画、YouTubeのリンクのどれでも使えます。2 GBまで受け付け、最も大きなファイルにはミニアプリの「アップロード」ボタンを使います。
- 文字起こしのレイアウトを選ぶ。 インタビューでは話者ラベルを、後で行に戻る予定があるならタイムスタンプをオンにしてください。
- 分かち書きをざっと見る。 最初の数分を読み、すべてを書き出す前に、語の区切りが自分の表記スタイルに合うか判断してください。
- 書き出す。 メモにはTXTかMD、共有にはDOCXかPDF、字幕ファイルにはSRTかVTTで保存します。
| 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 |
|---|---|---|
| 14.1を安全な余裕として読む | 音声やテストセットが少し変わるだけで、結果が基準を超えることがあります。 | 校正の作業を計画に入れておいてください。 |
| すべての行の分かち書きを手作業で直す | 意味をほとんど変えない細部に、何時間も費やすことになります。 | まず名前と数値を直し、分かち書きは最後にまとめて直してください。 |
| 丁寧な話し方とくだけた話し方が同じように読めると期待する | 語尾は話者によって違うため、混ざった会話はまとまりなく見えます。 | 話者を一人ずつ確認してください。 |
| 書き出した改行のまま字幕を切る | 行が句の途中で終わることがあります。 | SRTファイルで改行を調整してください。 |
関連情報
よくある質問
韓国語の文字起こしはどんな見た目ですか？
話者ラベルを付けたブロックごとの韓国語のテキストで、希望すれば行の前に時刻が付きます。
韓国語が境界線上とされるのはなぜですか？
large-v3の公表結果の単語誤り率は14.1で15の基準に近く、語の数え方がスペースに左右されるためです。
字幕を作れますか？
はい。SRTかVTTを書き出し、公開する前に改行と名前を確認してください。
ボットは話者に名前を付けますか？
いいえ。ラベルは話者1のような番号で、エディタで実際の名前に書き換えます。
英語版を受け取れますか？
いいえ。テキストは韓国語のままで、ボットは他の言語のバージョンを提供していません。
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
- Whale paper, Table 5 (Whisper large-v3 on FLEURS) · 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