無料のベトナム語文字起こしは声調記号次第なので、Potokを短い音声で試してください。他の人たちの公表テストでは、以前の large-v2 モデルのベトナム語の単語誤り率が10.3で、別のテストセットでは large-v3 で18.9でした。サンプルを音声と照らして読み、すべての記号を見てください。
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
- テストセットによって得点が異なるため、10.3は予測ではなく目安です。
- どちらの数値も他の人たちのベンチマークによるもので、当社の測定ではありません。
- ベトナム語は声調と母音の記号を付けて書かれ、記号が一つ違うと別の単語になります。
- 各音節が一つの単語として書かれるため、音節が一つ間違うと単語が一つ間違いになります。
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
| 言語 | 評価 | 公開されている結果 | 備考 |
|---|---|---|---|
| ベトナム語 (Tiếng Việt) | おすすめ | 単語誤り率 10.3%（large-v2、FLEURS） Whisper 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
- 声調のある発話を選ぶ。 単語の一覧より、ふつうの会話の音声のほうが記号をうまく試せます。
- ボットを開く。 Telegram で @potok_now_bot を開き、音声をボイスメッセージ、音声ファイル、または動画として送ります。
- 声調記号を確認する。 記号の付いた母音を音声と比べ、一致するものにチェックを付けます。
- 二人目の声でテストする。 アクセントによって声調の聞こえ方が変わるので、別の地域の話者で試します。
- 結果を書き出す。 TXT、DOCX、PDF、SRT、VTT で保存します。2 GBまでのファイルを受け付けています。
| 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 |
|---|---|---|
| 記号の欠けを受け入れる | 別の単語になります。 | 記号を校正してください。 |
| 一つの数値を信頼する | 10.3と18.9は大きく異なります。 | ご自分の音声でテストしてください。 |
| 一つの地域だけでテストする | 北部と南部の話し方は異なります。 | 二人目の話者を加えてください。 |
| 記号を表示しないフォントで読む | 記号がうまく表示されません。 | 対応範囲の広いフォントを使ってください。 |
| 一つの音節で判断する | 各音節が単独の書き言葉の単語なので、一つのミスが丸ごと間違った単語として数えられます。 | 集計するときは、文ではなく音節を数えてください。 |
関連情報
よくある質問
二つの数値が大きく異なるのはなぜですか。
異なるモデルとテストセットによるものなので、10.3と18.9はどちらも公表されていますが、同じではありません。
それらはどのモデルを指していますか。
10.3は large-v2、18.9は large-v3 のものです。
それは御社自身の測定ですか。
いいえ。他の人たちの公表テストによるものです。
複数の音声を試すべきですか。
はい。北部と南部の声を一本ずつ使うと、判断しようとしているツールにとって声調がどれほど重要かが分かります。
英語のテキストを取得できますか。
いいえ。文字起こしは録音と同じ言語のままです。
ファイルサイズの上限はいくつですか。
2 GBまでのファイルを受け付けており、長い結果はファイルで届くので保存できます。
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
- Whisper speech recognition system (Wikipedia), Wikipedia · 確認日
- Whisper paper, Table 13 (large-v2 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