カタルーニャ語の音声をTelegramのPotokボットに送ると、チャットに文字が返ってきます。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、カタルーニャ語の単語誤り率は7.3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
- 単語誤り率は、正しい参照テキストと異なる単語の割合で、低いほど良い結果です。
- カタルーニャ語のlarge-v3の数値は見つからなかったため、この数値は古いモデルのものです。
- 誤り率が低くても、ノイズの多い音声や重なった発話での結果は保証されません。
- 短い結果はチャットの文字で、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: Comencem la reunió. Primer repassarem els resultats de la setmana passada i després planificarem els propers passos.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 |
|---|---|---|---|
| カタルーニャ語 (Català) | おすすめ | 単語誤り率 7.3%（large-v2、FLEURS） Whisper paper | 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
- 録音を集める。 カタルーニャ語のクリップを一つのフォルダにまとめ、日付や話者で名前を付けておくと、あとで返信を正しいファイルと対応させやすくなります。
- ボットを開く。 Telegramで @potok_now_bot を開きます。
- 各ファイルを添付する。 音声、ボイスメッセージ、動画、YouTubeリンクを送ります。上限は一ファイルあたり2 GBで、大きなものにはミニアプリの「アップロード」ボタンが役立ちます。
- 返信を待つ。 短いクリップはチャットに文字で返信されます。長い録音は、開いたり転送したりできるファイルで届きます。
- 必要な形式で書き出す。 TXT、MD、DOCX、PDF、SRT、VTTが選べます。字幕にするならSRTを選んでください。
| 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 |
|---|---|---|
| 7.3をlarge-v3の結果として読む | 以前のモデルの数値なので、現在のモデルとは合わない可能性があります。 | その数値がどのモデルのものか明記してください。 |
| 声が重なる音声を送る | 発話の重なりは、どの認識システムも混乱させます。 | 順番に話してもらうか、話者ラベルをオンにしてください。 |
| 固有名詞を確認しない | 姓や地名は、もっとも誤りやすい箇所です。 | 手元のメモと照らして確認してください。 |
| BGM入りのクリップを送る | 音楽が声を隠してしまいます。 | 音楽なしのバージョンがあれば、それを送ってください。 |
関連情報
よくある質問
カタルーニャ語に対応していますか？
はい。公表されている単語誤り率7.3は良好な範囲ですが、以前のlarge-v2モデルのものです。
なぜ古いモデルの数値なのですか？
当社が使っている公開情報源には、カタルーニャ語のlarge-v3の結果が見つからなかったためです。
録音はどのくらいの長さまで送れますか？
ファイルは2 GBまで送れます。もっとも大きなファイルには「アップロード」ボタンを使ってください。
タイムスタンプは付けられますか？
はい。オンにして、字幕用にSRTかVTTで書き出せます。
文字はスペイン語になりますか？
いいえ。文字起こしは録音の言語のままです。
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。
- 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
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