無料のタガログ語文字起こしは、音声を使った慎重なテストが必要です。以前の large-v2 モデルでの公表単語誤り率は13.8で、当社が境界線とみなす15のラインに近いからです。これは他の人たちのテストで、Potokには large-v3 の数値がありませんでした。短いサンプルを音声と照らし合わせて読んでください。
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
- 注意:13.8は当社の15のラインに近いため、タガログ語は境界線上にあり、テキストは人の目で読む必要があります。
- large-v3 の数値は見つからなかったため、この数値は large-v2 のもので、当社ではなく他の人たちのベンチマークです。
- 日常のタガログ語は文の途中で英語に切り替わることが多いため、良いサンプルにはその混ざり方が含まれます。
- 単語は接辞や音節の反復で作られることが多く、綴りを混乱させることがあります。
文字起こしのイメージ
[00:00] 話者1: Simulan na natin ang pulong. Una, susuriin natin ang mga resulta noong nakaraang linggo, pagkatapos ay magpaplano tayo ng mga susunod na hakbang.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 |
|---|---|---|---|
| タガログ語 (Tagalog) | おすすめ(ぎりぎり) | 単語誤り率 13.8%(large-v2、FLEURS) Whisper paper | 公開されているテストでは、誤り率が当社の基準である15%に近くなっています。まず短いサンプルで確認してください。 |
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
- 実際の混合した発話を録る。 人が実際に話すとおりの一分ほどを取ります。文の中に落とし込まれる英語の単語も含めます。
- 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。
- 切り替わりの箇所に印を付ける。 話者が言語を行き来する箇所を正確に見て、どの単語が間違ったかを確認します。
- 反復された音節を確認する。 複数形や強調語のように、一部が重なった単語を音声と比べます。
- 校正を計画する。 修正後にサンプルが使えるなら、全体のファイルを2 GBまで送り、TXT、DOCX、SRT で書き出します。
| 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 |
|---|---|---|
| 境界線上の数値で、きれいな結果を期待する | 線にこれだけ近い数値は、目に見える割合の誤りを意味します。 | 全体を通して読む時間を確保してください。 |
| 純粋なタガログ語だけをテストする | 実際の会話は混ざっているため、きれいなテストはツールを実力以上に見せます。 | 英語の単語を含む音声を加えてください。 |
| 名前の確認を省く | 人名は音から推測されます。 | 比べるための名前のリストを用意してください。 |
| 音声なしでテキストを読む | もっともらしく見える誤りがすり抜けます。 | 音声を再生しながら読んでください。 |
関連情報
よくある質問
タガログ語に注意書きがあるのはなぜですか。
公表されている誤り率が当社の境界線に近く、丁寧な確認が作業の一部だからです。
13.8はどのモデルのものですか。
large-v3 の数値が見つからなかったため、以前の large-v2 モデルのものです。
その数値は御社自身のテストによるものですか。
いいえ。他の人たちの公表テストによるものです。
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