チェコ語の音声を文字起こしする

Potokチーム更新日 ~1 分で読めます

チェコ語の音声ファイルをTelegramのPotokボットに送ると、文字になって返ってきます。large-v3について他者が公表したテスト(当社の測定ではありません)では、単語誤り率は11で、報告された結果は11.0から11.33の範囲です。2 GBまでのファイルを受け付けます。

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。

Telegram で @potok_now_bot を開く

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

  • テスト間の差が小さいことから、チェコ語については独立した測定の結果がおおむね一致していると考えられます。
  • チェコ語にはアクセント付きの文字が多いため、名前や短い機能語で確認してください。
  • くだけた会話のチェコ語は書き言葉の標準と異なることがあり、数語分の誤りにつながる場合があります。
  • TXT、MD、DOCX、PDF、SRT、VTTで書き出せます。

文字起こしのイメージ

チェコ語のサンプル文
[00:00] 話者1: Začněme schůzku. Nejdříve projdeme výsledky z minulého týdne a potom naplánujeme další kroky.

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

この言語の品質
言語評価公開されている結果備考
チェコ語 (Čeština)おすすめ単語誤り率 11%(large-v3、FLEURS)
Canary-1B-v2 paper, Whale 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

  1. ファイルを準備する。 可能なら、冒頭と末尾の長い無音を削ってください。確認する結果が短くなり、ファイルも軽くなります。
  2. ボットを開く。 Telegramで @potok_now_bot を開きます。
  3. 送信する。 ボイスメッセージ、音声ファイル、動画、YouTubeリンクのいずれも、2 GBまで受け付けます。大きなファイルはミニアプリで「アップロード」を押してください。
  4. 不明瞭な箇所に印を付ける。 音がこもっている箇所では、誤った単語が出ると考えてください。時刻をメモしておけば、聞き直して直せます。
  5. 書き出して共有する。 次の用途に合う形式を選びます。編集ならDOCX、字幕ならSRTなどです。
Potokでできること
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

よくある間違いと対処法
間違い起こること対処法
アクセント付きの文字を確認しない記号が抜けると、ある単語が別の単語になることがあります。よく使うアクセント付きの文字を検索して直してください。
ラベルなしで複数の話者を送る文章がつながってしまい、誰が話したかを自分で整理する必要があります。送信前に番号付きの話者ラベルをオンにしてください。
11を自社の結果として読むこの数値は他者が公表したテストに基づくものです。引用するときは、数値の出どころを明記してください。
騒がしい通りで録ったクリップを使う交通騒音が柔らかい子音を隠します。静かな場所で録音するか、話者に近づいてください。

関連情報

対応言語の一覧、ツール、用語集もご覧ください。

よくある質問

チェコ語の文字起こしはどのくらい信頼できますか?

公表されている単語誤り率はlarge-v3で11で、良好とされています。あなた自身の音声では結果が異なる場合があります。

11.0から11.33という幅があるのはなぜですか?

同じモデルについて公表されたテストごとに、値が少しずつ異なります。そのため、もっとも低い値を見出しとして示しています。

動画を送れますか?

はい。動画ファイルは音声と同じように読み取られます。上限は2 GBです。

タイムスタンプは使えますか?

はい。オンにして、SRTかVTTで書き出せます。

数字は数字の形で書かれますか?

話し方や文脈によります。日付や金額は、録音と照らして確認してください。

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。

  1. Word error rate (Wikipedia), Wikipedia · 確認日
  2. FLEURS speech dataset (Google, Hugging Face), Hugging Face · 確認日
  3. Canary-1B-v2 paper, Table 11 (Whisper large-v3 on FLEURS) · 確認日
  4. Whale paper, Table 5 (Whisper large-v3 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