Potokのポーランド語の文字起こしは、記号付きの文字を保ったまま、チャットにテキストまたはファイルとして届きます。large-v3モデルの公表テストの単語誤り率は4.74で、当社が引用する中では低い数値の一つです。2 GBまでのファイルが使え、書き出し形式は六種類です。
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
- 4.74は、他者によるlarge-v3の公表テストからの数値で、当社自身の測定ではありません。
- ポーランド語には、線の入ったlや点の付いたzなど、記号付きの文字が九つ加わり、記号が抜けると語が変わります。
- 格語尾により、文中の役割に応じて語の終わりが変わります。
- タイムスタンプと番号付きの話者ラベルは、頼んだときだけオンになります。
文字起こしのイメージ
[00:00] 話者1: Zacznijmy spotkanie. Najpierw omówimy wyniki z zeszłego tygodnia, a potem zaplanujemy kolejne kroki.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 |
|---|---|---|---|
| ポーランド語 (Polski) | おすすめ | 単語誤り率 4.74%(large-v3、FLEURS) Canary-1B-v2 paper | 公開されているテストでは、この言語の誤り率は低くなっています。 |
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
- ポーランド語のファイルを送る。 @potok_now_botに、ボイスメッセージ、音声または動画ファイル、YouTubeのリンクを投稿してください。
- 重いファイルにはアップロードを使う。 2 GBまでの録音は問題ありません。ミニアプリの「アップロード」ボタンは、最も大きなファイル向けです。
- 複数の声にはラベルをオンにする。 各発言が、話者1、話者2などで始まるようになります。
- DOCXやPDFを画面で開く。 すべての特殊な文字が、お使いのフォントで正しく表示されるか確認してください。
- よく似た語を検索する。 記号だけが違う語を探し、重要なものを確認してください。
- 必要ならキャプションに書き出す。 字幕にはSRTとVTTが使えます。
| 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 |
|---|---|---|
| TXTファイルを誤った文字コードで開く | 特殊な文字が奇妙な記号に変わります。 | UTF-8として開くか、DOCXを使ってください。 |
| 引用した名前の語尾の違いを無視する | 名前が基本形ではなく、格変化した形で現れることがあります。 | 一覧や索引で必要な箇所では、基本形に戻してください。 |
| 4.74を当社の精度と呼ぶ | それは他のテストによる公表された数値です。 | 他者によるlarge-v3の単語誤り率として引用してください。 |
| 英語の出力を期待する | テキストは翻訳されません。 | 別の言語が必要なら、別のツールを使ってください。 |
関連情報
よくある質問
ポーランド語の文字起こしは特殊な文字を保ちますか?
はい。テキストは記号付きの通常のポーランド語なので、お使いのエディタのフォントがそれらを表示できるか確認してください。
公表されている誤り率はいくつですか?
large-v3の単語誤り率は4.74で、他者によるテストで報告されています。
タイムスタンプはどうすれば付きますか?
ファイルを送る前にオンにしてください。すると各段落の前に表示されます。
字幕を書き出せますか?
はい。SRTとVTTは、六つの形式に含まれています。
送れる最大のファイルはどれくらいですか?
2 GBまでで、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。
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
- Canary-1B-v2 paper, Table 11 (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