英語の音声を文字起こしする

英語の音声を文字起こしするには、TelegramのPotokボットにファイルを送ります。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で、報告された結果は4.0から4.25の範囲です。2 GBまでのファイルに対応し、文字は英語のままです。

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。

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

• より高速なturbo版についての第三者のテストでは、平均が4.80でした。モデルの選び方で数値が少し動きます。
• 英語は公表されたテストでもっとも多く扱われている言語のため、その数値はもっとも安定しています。
• あなた自身の結果は、モデル名よりもアクセント、ノイズ、混線のほうに大きく左右されます。
• 短い結果はチャットに、長い結果はファイルで届きます。

文字起こしのイメージ

[00:00] 話者1: Let's start the meeting. First, we'll review last week's results, then plan the next steps.

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. ボットを開く。 Telegramで @potok_now_bot を開きます。
2. 録音を添付する。 音声、動画、ボイスメッセージ、YouTubeリンクのいずれも、2 GBまでのファイルを送れます。大きなものには「アップロード」を押してください。
3. 話者ラベルを選ぶ。 会議やインタビューではオンにして、各行に番号が付くようにします。
4. 固有名詞を校正する。 ブランド名、姓、略語は、英語でも誤りやすい箇所です。
5. 難しい箇所を一つ聞き比べる。 早口の箇所やノイズの多い箇所を選んで、文字と聞き比べてください。残りをどれだけ丁寧に読むべきかが分かります。
6. 書き出す。 TXT、MD、DOCX、PDF、SRT、VTTから選びます。

よくある間違い

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

英語の精度はどのくらいですか？

公表されている結果は、large-v3で単語誤り率がおよそ4で、最良の部類に入ります。ただし他者のテストに基づく数値です。

アクセントは影響しますか？

はい。強いアクセントや騒がしい部屋では、英語でも誤りが増えます。

字幕は作れますか？

はい。タイムスタンプをオンにして、SRTかVTTで書き出せます。

ファイルの上限は？

一ファイルあたり2 GBです。もっとも大きなファイルは、ミニアプリの「アップロード」ボタンで送れます。

文法は直してくれますか？

いいえ。話されたとおりに書き起こすため、話し言葉の言い間違いもそのまま文字に出ます。

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。

1. Word error rate (Wikipedia), Wikipedia · 確認日 2026-10-18
2. FLEURS speech dataset (Google, Hugging Face), Hugging Face · 確認日 2026-10-18
3. Canary-1B-v2 paper, Table 11 (Whisper large-v3 on FLEURS) · 確認日 2026-10-18
4. Whale paper, Table 5 (Whisper large-v3 on FLEURS) · 確認日 2026-10-18