ヒンディー語の音声を文字起こしする

ヒンディー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。ただし注意が必要です。他者が公表した数値には幅があり、large-v3の発表では単語誤り率が16.9、正規化の異なる独立テストではおよそ37でした。推奨言語より誤りが多いと考えてください。2 GBまでのファイルに対応します。

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

• より高速なturbo版についての第三者の平均は19.25で、二つの数値の中間にあたります。
• テキストの正規化によってスコアは大きく変わるため、数値の比較は同じテストのものどうしだけにしてください。
• ヒンディー語はデーヴァナーガリー文字で書かれるため、エディタにUnicodeのフォントが必要です。
• 日常のヒンディー語の会話には、英語の単語が混ざることがよくあります。
• 動画やYouTubeリンクは音声と同じように読み取られるため、先に音声を取り出さなくても講演を文字起こしできます。

文字起こしのイメージ

[00:00] 話者1: चलिए बैठक शुरू करते हैं। पहले हम पिछले हफ़्ते के नतीजों की समीक्षा करेंगे, फिर अगले कदमों की योजना बनाएँगे।

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. 見直しを計画する。 公表された結果の幅が広いため、出力は下書きとして扱ってください。
2. ボットを開く。 Telegramで @potok_now_bot を開きます。
3. ファイルを送る。 音声、動画、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」を使います。
4. 混ざった英語の単語を確認する。 ヒンディー語の行に入った英語の用語を探し、デーヴァナーガリー文字とラテン文字のどちらで書かれているかを確認します。
5. 名前と数字を確認する。 人名や数えた数値は、もっとも見落としやすい箇所です。録音と照らして確認してください。
6. 書き出す。 編集にはDOCXかTXT、字幕にはSRTかVTTを選びます。

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

ヒンディー語のページに注意書きがあるのはなぜですか？

公表された結果が16.9からおよそ37まで大きく幅があるため、出力は慎重に確認する必要があります。

どの数値が最良のケースですか？

16.9です。これはモデルの発表に由来するもので、当社の測定でも中立的なテストでもありません。

サイズの上限は？

一ファイルあたり2 GBで、大きなものには「アップロード」ボタンを使います。

文字は翻訳されますか？

いいえ。文字は、ボットに送った録音の言語であるヒンディー語のままです。

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。ボットの上限は2 GBです。

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. OpenAI Whisper discussion on large-v3 · 確認日 2026-10-18
4. TheWhisper benchmark (turbo, average over FLEURS, MLS, Common Voice) · 確認日 2026-10-18