インドネシア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。以前のlarge-v2モデル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7.1でした。large-v3の数値は見つかっていません。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。
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
- 第三者がturboの平均を6.98と公表しており、large-v2の数値に近い値です。
- インドネシア語の会話には地方の言葉や英語が混ざることが多く、認識システムが迷う原因になります。
- くだけた話し言葉の形は、改まった書き言葉のインドネシア語とは異なります。
- TXT、DOCX、PDF、MD、SRT、VTTで書き出せます。
- チャット風の話し方に出てくる短縮形やくだけた形は聞こえたとおりに書かれるため、文章がくだけて読めることがあります。
文字起こしのイメージ
[00:00] 話者1: Mari kita mulai rapat. Pertama, kita tinjau hasil minggu lalu, lalu kita rencanakan langkah berikutnya.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 |
|---|---|---|---|
| インドネシア語 (Bahasa Indonesia) | おすすめ | 単語誤り率 7.1%（large-v2、FLEURS） Whisper 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、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。
- 混ざった言葉を確認する。 地方の言葉や英語の用語を見直してください。誤りが出やすい箇所です。
- 音声と比べる。 いくつかの箇所を抜き取りで確認し、残りにどれだけ編集が必要か見積もります。
- 繰り返し出る名前は一度で直す。 名前は録音の中で何度も出てくるため、一つを直してから、同じ綴りを他の箇所でも検索してください。
- 元の録音を残しておく。 文章が確定するまで音声を手元に置いておけば、疑わしい行をいつでも聞き直せます。
- 書き出す。 編集にはDOCXかTXT、字幕にはSRTかVTTを選びます。
| 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 |
|---|---|---|
| 7.1をlarge-v3の結果として引用する | 以前のモデルの数値です。 | モデル名を明記してください。 |
| 混ざった言葉を無視する | 綴りが誤っている可能性があります。 | 直してください。 |
| 見直しを省く | 数語の誤りが文の意味を変えることがあります。 | 校正してください。 |
| くだけた話し言葉から改まった文章を期待する | くだけた話し方は聞こえたとおりに書かれます。 | 文体を整えてください。 |
| スラングの多いチャット音声から整った文章を期待する | スラングや短縮形は聞こえたとおりに書かれます。 | 口調と綴りを整える編集作業を見込んでください。 |
関連情報
よくある質問
インドネシア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-v2で7.1で、他者のテストに基づく良好なグループの値です。
なぜlarge-v2の数値なのですか？
当社が使っている公開情報源には、インドネシア語のlarge-v3の数値が見つからなかったため、large-v2の結果を示しています。
サイズの上限は？
上限は一ファイルあたり2 GBで、大きなファイルにはミニアプリの「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インドネシア語のままです。
タイムスタンプは付けられますか？
はい、送信前にタイムスタンプをオンにして、あとから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
- Whisper paper, Table 13 (large-v2 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