無料のインドネシア語文字起こしツールを試すには、くだけた音声と正式な音声を一本ずつ送り、それぞれの読み心地を比べます。Potokでは、以前の large-v2 モデルの公表テストでインドネシア語の単語誤り率が7.1で、large-v3 の数値は見つかっていません。
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
- 7.1は、large-v2 の公表テストにおける単語誤り率であり、当社の測定ではありません。
- large-v3 の数値は見つからず、第三者が turbo の平均6.98を公表しています。
- くだけた話と正式な話は大きく異なることがあるため、一本の音声では半分しか分かりません。
- 文字起こしはインドネシア語のままで、翻訳はされません。
文字起こしのイメージ
[00:00] 話者1: Mari kita mulai rapat. Pertama, kita tinjau hasil minggu lalu, lalu kita rencanakan langkah berikutnya.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 |
|---|---|---|---|
| インドネシア語 (Bahasa Indonesia) | おすすめ | 単語誤り率 7.1%(large-v2、FLEURS) Whisper paper, TheWhisper benchmark | 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
- くだけた音声を作る。 俗語や短縮語の出てくる、打ち解けた会話を録音します。
- 正式な音声を作る。 対比のために、プレゼンテーションやニュース調の一節を加えます。
- ボットを開く。 Telegram で @potok_now_bot を開き、両方の音声をボイスメッセージまたは音声ファイルとして送ります。
- 二つを比べる。 どちらの音声に多くの修正が必要だったか見てください。その差がツールの弱い部分を示し、後でどんな種類の音声を再確認すべきかが分かります。
- 規模を広げる。 2 GBまで受け付けており、大きなファイルにはミニアプリのアップロードがあります。TXT、DOCX、SRT で書き出し、両方のサンプルの結果は後の比較用に残しておきます。
| 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 |
|---|---|---|
| 正式な話だけをテストする | くだけた会話では、挙動が違うかもしれません。 | 必ずくだけた音声を含めてください。 |
| 7.1を large-v3 の結果として引用する | これは以前のモデルのものです。 | モデル名を明記してください。 |
| 借用語を無視する | 発話では、英語や現地の用語がよく使われます。 | どう書かれているか確認してください。 |
| 一人の話者だけで判断する | 声は人によって異なります。 | 二人の話者で試してください。 |
関連情報
よくある質問
インドネシア語の成績はどうですか。
large-v2 の公表テストでは単語誤り率が7.1で、良好な結果です。
large-v3 の数値はありますか。
見つかっていません。第三者が turbo の平均6.98を公表しています。
動画を送れますか。
はい。音声、ボイスメッセージ、YouTube のリンクと並んで送れます。
疑わしい行はどう確認しますか。
タイムスタンプをオンにして、音声のその箇所へ移動してください。
テキストを英語で出力できますか。
いいえ。文字起こしは録音と同じ言語のままです。
それぞれの音声はどのくらいの長さがよいですか。
それぞれ三十秒ほどで十分です。くだけた話と正式な話の比較が公平になるよう、二本の長さは揃えてください。
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
- Whisper paper, Table 13 (large-v2 on FLEURS) · 確認日
- TheWhisper benchmark (turbo, average over FLEURS, MLS, Common Voice) · 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