PotokのTelegramボットは、ファイルを送るだけでノルウェー語の音声を文字に変換できます。ノルウェー語のlarge-v3の数値は見つからなかったため、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)の、単語誤り率9.5を示しています。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
- 9.5は、ノルウェー語の新しい数値が見つからなかったため、以前のモデルであるlarge-v2のものです。
- ノルウェー語にはブークモールとニーノシュクの二つの書き言葉の標準があり、音声からはどちらで書くべきかは分かりません。
- 話し言葉の方言は地域によって大きく異なり、文字は聞こえた音に従います。
- 出力には三つの特殊な文字が現れるため、Unicode対応のエディタを使ってください。
- スウェーデン語やデンマーク語の借用語を含む発話は、奇妙な綴りの原因になりやすいため、最初の見直しのあとで探してください。
文字起こしのイメージ
[00:00] 話者1: La oss begynne møtet. Først går vi gjennom resultatene fra forrige uke, og deretter planlegger vi de neste stegene.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 |
|---|---|---|---|
| ノルウェー語 (Norsk) | おすすめ | 単語誤り率 9.5%(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
- 書き言葉の形を決める。 読者がブークモールとニーノシュクのどちらを期待するか把握しておきます。文字起こしがもう一方を使っていたら、あとで綴りを調整する予定を立ててください。
- ボットを開く。 Telegramで @potok_now_bot を開き、録音を添付します。
- 大きなファイルはアップロードで送る。 2 GBまでの録音は、ミニアプリの「アップロード」ボタンから送れます。
- 方言の部分を読む。 強い地方の話し方は、文字が標準の綴りからもっとも離れやすい箇所です。
- 引用するならタイムスタンプをオンにする。 録音の何分あたりかを示す必要があるときに役立ちます。
- 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 |
|---|---|---|
| 一つの綴りの標準を期待する | ボットは聞こえたとおりに書くため、形が混在することがあります。 | 綴りは一度の作業でまとめて統一してください。 |
| ノルウェー語の文字を表示できないテキストツールを使う | 特殊な文字が記号に化けます。 | DOCXか、UTF-8のテキストファイルで開いてください。 |
| 地名を確認しない | 地元の名前は綴りを誤りやすいものです。 | 地図や資料と照らして確認してください。 |
| スウェーデン語やデンマーク語の引用を混ぜる | 非常に近い言語の発話が一つのファイルにあると、出力が乱れます。 | 切り替わるところでファイルを分けてください。 |
関連情報
よくある質問
9.5は新しい数値ですか?
当社ではなく、他者が公表したテストにおける、以前のlarge-v2モデルの数値です。
ブークモールとニーノシュクのどちらを選びますか?
聞こえたとおりに書くため、形を確認して、自分の標準に合わせて調整してください。
サイズの上限はありますか?
はい、一ファイルあたり2 GBで、大きなものには「アップロード」を使います。
SRT字幕は作れますか?
はい、タイムスタンプをオンにしてから、SRTかVTTで書き出してください。
文字起こしは翻訳されますか?
いいえ。文字起こしは、送った録音と同じ言語であるノルウェー語のままで、別の言語には変換されません。
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