広東語の文字起こし：音声・動画をテキストに

広東語はPotokにとって境界線上の言語です。Telegramのボットで使えますが、テキストは下書きとして扱ってください。large-v3モデルの公表テストでは文字誤り率は9.8で、turboモデルのベンダーによるテストではそれよりずっと悪い結果が報告されています。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

• 広東語はスペースなしで書かれるため、品質は文字誤り率で示されます。large-v3の公表テストでは9.8です。
• ベンダーによるテストでturboモデルについてずっと悪い結果が報告されたため、当社は広東語を境界線上の言語としています。
• 文字誤り率と単語誤り率は尺度が異なるので、9.8を英語の数値と比べないでください。
• 広東語と中国語（普通話）は、当社の言語一覧では別の項目です。

文字起こしのイメージ

[00:00] 話者1: 我哋開始開會啦。首先睇下上個禮拜嘅結果，跟住傾下一步點做。

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. 短いクリップで試す。 境界線上の言語なので、全ファイルの前に、実際の話者の一分を@potok_now_botに送ってください。
2. クリップを評価する。 広東語のテキストを音声と並べて読んでください。口語的な語、地名、話の中に混じる英語に注目します。
3. 本番の録音を送る。 下書きとして使えるなら、ファイル全体を送ってください。2 GBまで可能で、最も大きなものはミニアプリの「アップロード」ボタンで扱えます。
4. 確認用にタイムスタンプを付ける。 タイムスタンプをオンにすると、疑わしい行に戻って聞き直せます。
5. 字幕やメモ用に書き出す。 SRTとVTTは動画向けの時間付きの行を出力し、TXT、MD、DOCX、PDFは文書に向いています。

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

広東語が境界線上とされるのはなぜですか？

文字誤り率9.8は悪くなさそうに見えますが、ベンダーのテストでturboモデルにずっと悪い結果が報告されたため、丁寧な確認をお勧めします。

文字誤り率とは何ですか？

参照テキストと異なる文字の割合です。単語を数えにくい、スペースなしで書かれる言語に使われます。

ボットは広東語と普通話を聞き分けますか？

当社の一覧では別の項目ですが、公表テストには混ざった話し方の詳細がないため、両方が混じる音声は短いクリップで試してください。

広東語の動画に字幕を付けられますか？

はい。SRTかVTTを書き出し、公開する前に各行を校正してください。

文字起こしは英語に翻訳されますか？

いいえ。ボットは文字起こしを翻訳しないため、テキストは広東語のままです。

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. Whisper speech recognition system (Wikipedia), Wikipedia · 確認日 2026-10-18
3. Whale paper, Table 5 (Whisper large-v3 on FLEURS) · 確認日 2026-10-18