無料のカタルーニャ語文字起こしツールを試すには、地名を含む短い音声を送り、テキストを音声と照らし合わせます。Potokでは、以前の large-v2 モデルの公表テストでカタルーニャ語の単語誤り率が7.3です。large-v3 の数値は見つからなかったため、この数値は少し古いものです。
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
- 7.3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。
- カタルーニャ語の large-v3 の数値は見つからなかったため、根拠は以前のモデルに基づいています。
- 地名、通りの名前、外来語は、短いテストでの良い試金石になります。
- 文字起こしはカタルーニャ語のままで、翻訳はされません。
文字起こしのイメージ
[00:00] 話者1: Comencem la reunió. Primer repassarem els resultats de la setmana passada i després planificarem els propers passos.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 |
|---|---|---|---|
| カタルーニャ語 (Català) | おすすめ | 単語誤り率 7.3%（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
- 地元色のある音声を録る。 町、通り、名字がいくつか出てくる段落を読み上げます。これらは日常語より難しい部分です。
- 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または音声ファイルとして送ります。
- アクセント記号とアポストロフィを確認する。 カタルーニャ語の文章にはアクセント記号とアポストロフィがあります。ツールがそれらを保っているか見てください。
- 固有名詞の扱いを記録する。 通常の表記と違う綴りになった地名をすべて書き留めます。
- 規模を広げる。 サンプルが良ければ、長いファイルを送ります。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。
| 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 |
|---|---|---|
| 普通の単語だけで判断する | 日常の語彙では、固有名詞の弱点が隠れてしまいます。 | サンプルに固有名詞を少なくとも五つ入れてください。 |
| アクセント記号の抜けを見逃す | アクセントのない単語は、別の単語に読めることがあります。 | テキストのアクセントを確かめ、音声と比べてください。 |
| 7.3を現在のモデルの品質として読む | この値は以前の large-v2 モデルで測定されたものです。 | 引用するときはその旨を添え、音声で実際に確かめてください。 |
| 言語が混ざった音声を使う | カタルーニャ語と別の言語が切り替わると、確認が混乱します。 | まず純粋なカタルーニャ語で試し、混合の音声はその後にしてください。 |
関連情報
よくある質問
公表テストでのカタルーニャ語の精度はどの程度ですか。
公表されている単語誤り率は large-v2 の7.3で、カタルーニャ語は良好な結果の部類に入ります。
large-v3 の数値がないのはなぜですか。
根拠を集めた時点では見つからなかったため、このページでは以前のモデルを引用し、その旨を明記しています。
講演の動画を送れますか。
はい。動画ファイル、音声、YouTube のリンクを、2 GBの上限内で受け付けます。
どの形式で保存できますか。
TXT、MD、DOCX、PDF、SRT、VTT で書き出せます。
結果がスペイン語や英語に切り替わりますか。
いいえ。文字起こしは録音と同じ言語のままです。
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。
- FLEURS speech dataset (Google, Hugging Face), Hugging Face · 確認日
- Word error rate (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