韓国語の音声は、TelegramのPotokボットに送れば文字に変換できますが、一つ留意点があります。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14.1で、当社が基準とする15の線に近いため、韓国語は境界線上として扱ってください。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。
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
- 14.1は当社の15の線のすぐ下にあるため、テストセットが異なれば、どちら側にも転びえます。
- 韓国語は語のまとまりの間にスペースを入れますが、規則が柔軟なため、スペースの違いだけで誤りの数が膨らむことがあります。
- ハングルは音節のブロックでできているため、音が一つ違うだけでブロック全体が変わります。
- 丁寧な語尾と普通の語尾は異なり、文字起こしには話者が使ったほうがそのまま残ります。
- 英語からの外来語はハングルで書かれるため、製品名は手作業で綴りを整える必要があるかもしれません。
文字起こしのイメージ
[00:00] 話者1: 회의를 시작하겠습니다. 먼저 지난주 결과를 검토하고, 그다음 다음 단계를 계획하겠습니다.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 |
|---|---|---|---|
| 韓国語 (한국어) | おすすめ(ぎりぎり) | 単語誤り率 14.1%(large-v3、FLEURS) Whale paper | 公開されているテストでは、誤り率が当社の基準である15%に近くなっています。まず短いサンプルで確認してください。 |
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
- 三十秒を試す。 スコアが境界線上にあるため、まず短いクリップを送り、インタビュー全体を任せる前に結果を判断してください。
- ボットを開く。 Telegramで @potok_now_bot を開き、サンプルを送ります。
- ファイル全体を送る。 2 GBまで可能です。チャット添付では大きすぎるものは、ミニアプリの「アップロード」を使います。
- スペースと語尾を比べる。 スペースの位置と、動詞の語尾が聞こえた丁寧さの程度に合っているかを確認します。
- 会話では話者ラベルを有効にする。 パネルディスカッションや、発言が重なるインタビューでは、番号付きの話者ラベルが役立ちます。
- 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 |
|---|---|---|
| サンプルを省く | 境界線上の言語では、問題が最後まで見えないことがあります。 | 長いファイルの前に短いクリップを試してください。 |
| スペースの違いを単語の誤りと読む | スペースの打ち方が二通りとも正しいのに、誤りに見えてしまいます。 | スペースは一度の編集作業でまとめて直してください。 |
| 数字をそのまま信用する | 数値や単位は聞き間違いやすいものです。 | 音声と照らして確認してください。 |
| 話者の名前を期待する | ボットは声に番号を付けるだけです。 | 書き出し後に、話者1と話者2の名前を付け替えてください。 |
関連情報
よくある質問
韓国語はなぜ境界線上とされているのですか?
公表されている単語誤り率14.1が当社の15の線に近く、録音によって結果が上下しうるためです。
スペースはスコアを変えますか?
はい。スペースの規則はゆるく、スペースの数え方によって数値が動くことがあります。
14.1はどのモデルの数値ですか?
large-v3モデルについて、他の人々が公表したテストに基づく数値です。あなたの音声は当社では測定していません。
ファイルサイズの上限は?
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。
ドラマのクリップを送れますか?
利用する権利のある動画ファイルなら送れます。音声はサウンドトラックから読み取られ、韓国語の文字として書かれます。
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
- 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