無料のタイ語文字起こしには、注意と短い音声でのテストが必要です。他の人たちの公表テストでは、以前の large-v2 モデルの文字誤り率は11.5で、第三者による turbo の実行ではおよそ13.4でした。Potokの利用者は、すべてのタイ語の文字起こしを音声と照らして読んでください。
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：タイ語は、OpenAI 自身が高速な turbo 版で成績が下がる言語として挙げているため、注意の対象になっています。
- タイ語はスペースなしで書かれるため、品質は単語ではなく文字ごとに報告されます。
- 11.5は large-v2 のもので、他の人たちによる測定であり、当社の測定ではありません。
- 文の区切りがスペースで示されないため、テキストが続けて表示されることがあります。
文字起こしのイメージ
[00:00] 話者1: เรามาเริ่มประชุมกันเลย ก่อนอื่นเราจะทบทวนผลลัพธ์ของสัปดาห์ที่แล้ว จากนั้นจะวางแผนขั้นตอนต่อไป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 |
|---|---|---|---|
| タイ語 (ไทย) | 注意が必要 | 文字誤り率 11.5%（large-v2、FLEURS） Whisper paper, Whale paper, Whisper turbo discussion | 公開されているテストでは、この言語の誤り率は高めです。まず短いサンプルで確認し、校正する前提でご利用ください。 |
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
- まずはっきりした音声を選ぶ。 ゆっくりで、マイクが近いサンプルから始め、雑な音声は後で試します。
- 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。
- 文字を数える。 単語ではなく、間違った文字、抜けた文字、余分な文字に印を付け、テキストの長さで割ります。
- 声調と母音の記号を確認する。 記号が間違うと単語が変わるため、いくつかの単語の記号を音声と比べます。
- 区切りを入れる。 結果がつながって見える場合は、共有する前に文末にスペースを加えます。長い録音には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 |
|---|---|---|
| テキストをそのまま信頼する | タイ語はここで注意対象の言語なので、誤りが出やすくなります。 | 全体を読み通すことを前提にしてください。 |
| 単語を数える | スペースがないため、数えても意味がありません。 | 文字を使ってください。 |
| turbo だけで比較する | タイ語では悪く見えることがあります。 | 実際に使っているモデルの数値を見てください。 |
| 雑音のある音声を飛ばす | 雑音の中では、品質がより速く落ちることがあります。 | 実際の条件でテストしてください。 |
関連情報
よくある質問
タイ語に注意書きがあるのはなぜですか。
公表されている数値が推奨言語より弱いため、丁寧に読むことが作業の一部だからです。
11.5と13.4は何ですか。
11.5は large-v2 の文字誤り率で、およそ13.4は第三者による turbo の結果です。
なぜ単語ではなく文字なのですか。
タイ語は単語の間にスペースがないため、文字を数えます。
テキストを英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。
どのくらいの大きさのファイルを送れますか。
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
- Whisper speech recognition system (Wikipedia), Wikipedia · 確認日
- Whisper paper, Table 13 (large-v2 on FLEURS) · 確認日
- Whale paper, Table 5 (Whisper large-v3 on FLEURS) · 確認日
- OpenAI Whisper discussion on the turbo model · 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