Potokは、ドイツ語の音声ファイルをTelegramボットに送ると文字に変換します。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4.3で、結果は4.30から5.8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。
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
- 結果に幅があるのは、テストごとに一ポイント以上の差があるためです。見出しの数値は目安として扱ってください。
- ドイツ語の複合語は、一語で出力されたり二語に分かれて出力されたりし、読み手が誤字と受け取ることがあります。
- 名詞は大文字で始まるため、出力で確認してください。
- スイスやオーストリアの話し方は、発音も語彙も標準ドイツ語と異なることがあります。
文字起こしのイメージ
[00:00] 話者1: Lassen Sie uns die Besprechung beginnen. Zuerst gehen wir die Ergebnisse der letzten Woche durch, danach planen wir die nächsten Schritte.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 |
|---|---|---|---|
| ドイツ語 (Deutsch) | おすすめ | 単語誤り率 4.3%（large-v3、FLEURS） Canary-1B-v2 paper, Whale 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
- ボットを開く。 Telegramで @potok_now_bot を開きます。
- ファイルを送る。 音声、動画、ボイスメッセージ、YouTubeリンクを2 GBまで送れます。大きなファイルには「アップロード」ボタンを使います。
- 複合語を確認する。 長い複合語がテキストで二語に分かれていることがあります。標準の綴りで一語にすべきものは、つなげてください。
- 大文字を確認する。 ドイツ語では名詞が大文字で始まります。とくに名前と専門用語を確かめてください。
- 分離動詞を確認する。 ドイツ語の動詞は文中で分かれるため、前つづりが動詞から離れた位置に来ることがあります。そうした文は二度読んでください。
- 書き出す。 次の用途に合わせて、TXT、MD、DOCX、PDF、SRT、VTTから選びます。
| 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 |
|---|---|---|
| 分かれた複合語をそのまま残す | 誤字のように見え、読む速度が落ちます。 | 編集の際につなげてください。 |
| スイスやオーストリアの話し方もテストと同じだと思い込む | 地域の話し方は標準形と異なります。 | まず短いサンプルで試してください。 |
| 4.3を自社の結果として引用する | この数値は他者のテストに基づくものです。 | 数値の出どころを明記してください。 |
| 英語の用語が多い講演を送る | 混ざった発話は書き起こしにくくなります。 | その用語を校正してください。 |
関連情報
よくある質問
ドイツ語の精度はどのくらいですか？
公表されている単語誤り率はlarge-v3で4.3で、当社の一覧でも最良の部類に入ります。他者のテストに基づく数値です。
4.30から5.8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異なります。そのため、もっとも低い値を見出しに、幅を背景情報として示しています。
動画を送れますか？
はい、動画は音声と同じように読み取られます。ボットのファイル上限は2 GBです。
ドイツ語は翻訳されますか？
いいえ。ドイツ語の文字起こしは録音の言語であるドイツ語のままです。
タイムスタンプは付けられますか？
はい、送信前にオンにして、SRTかVTTで書き出せます。
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
- Whale paper, Table 5 (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