無料のイタリア語文字起こしは見つけやすい反面、見極めにくいので、よく知っている音声で判断してください。他の人たちの公表テストでは、Potokで使う large-v3 モデルのイタリア語の単語誤り率は2.31で、掲載されたなかで最も低い部類です。さらに送る前に、一分ほどのサンプルを音声と照らし合わせてください。
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
- 2.31は、他の人たちによる large-v3 の公表テストでの単語誤り率であり、当社が測定した値ではありません。
- イタリア語には重なる子音とアポストロフィによる省略があり、一文字抜けるだけで、音が同じでも単語が変わることがあります。
- 公表されている低い誤り率は、きれいなテスト音声についてのものです。雑音の多い電話の音声では挙動が違うかもしれません。
- 話者ラベルをオンにすると番号で表示されるため、二人でのテストは読み取りやすくなります。
文字起こしのイメージ
[00:00] 話者1: Iniziamo la riunione. Prima esamineremo i risultati della settimana scorsa, poi pianificheremo i prossimi passi.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 |
|---|---|---|---|
| イタリア語 (Italiano) | おすすめ | 単語誤り率 2.31%（large-v3、FLEURS） Canary-1B-v2 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
- 固有名詞を含む音声を選ぶ。 町の名前、名字、声に出して言う数字を含む一分ほどを選びます。どのツールもまずここでつまずきます。
- 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。
- 一行ずつ比べる。 音声を通常の速さで再生し、一致する行にチェックを付けます。重なった文字や省略された単語が違う箇所には、すべて下線を引きます。
- 二本目の、もっと雑な音声を試す。 台所か車内で録音してください。そこでも結果が保たれれば、スタジオのサンプルよりも多くのことが分かります。
- 良かったほうを書き出す。 文字起こしを TXT、DOCX、PDF、SRT、VTT で保存します。長い素材には2 GBまでのファイルが使えます。
| 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 |
|---|---|---|
| 最初の一文だけで判断する | 冒頭は通常いちばんきれいな部分なので、ツールが良く見えてしまいます。 | 音声の中盤と終盤も確認してください。 |
| アポストロフィとアクセントを無視する | 省略やアクセントが落ちるのは小さく見えますが、単語が変わります。 | 音声を集計するとき、これらも誤りとして数えてください。 |
| スタジオのマイクで一人だけテストする | にぎやかな食卓の客については、何も分かりません。 | 二人が重なって話す音声を加えてください。 |
関連情報
よくある質問
イタリア語の誤り率は御社自身のテストによるものですか。
いいえ。他の人たちによる large-v3 モデルの公表テストのものなので、保証ではなく目安として扱ってください。
2.31は実際にはどういう意味ですか。
ベンチマークで間違った単語の割合で、百語中およそ二語です。ご自分の録音では異なります。
イタリア語に特別な設定は必要ですか。
設定は不要です。ボットが録音の言語を自分で判別します。
テキストを別の言語で取得できますか。
いいえ。文字起こしは録音と同じ言語のままです。
音声が長い場合はどうなりますか。
2 GBまでのファイルを受け付けており、長い結果はチャットではなくファイルで届きます。
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
- 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
- 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