Potokでのアラビア語の音声文字起こしはTelegramボットで行い、注意が必要です。large-v2モデルの公表テストでは、アラビア語の単語誤り率は16で、推奨言語の水準を上回っており、方言の音声ではさらに悪化します。これらは他者によるテスト結果であり、当社の測定ではありません。
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
- 最大のリスクは方言です。親戚同士の普段の会話は、フォーマルな放送で使われる現代標準アラビア語とかけ離れていることがあります。
- turboモデルについては、別の第三者による平均値が10.57で、公表されている数値でさえ一つの値には定まっていません。
- 単語誤り率は、参照テキストと比べて、置き換えられた単語、抜け落ちた単語、追加された単語を数えたものです。
- 静かな部屋で一人が話している録音が、最初のテストとしてもっとも安全です。
文字起こしのイメージ
[00:00] 話者1: لنبدأ الاجتماع. أولاً سنراجع نتائج الأسبوع الماضي، ثم نخطط للخطوات التالية.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 |
|---|---|---|---|
| アラビア語 (العربية) | 注意が必要 | 単語誤り率 16%（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高めです。まず短いサンプルで確認し、校正する前提でご利用ください。 |
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
- 短いサンプルを切り出す。 整えられた冒頭ではなく、録音の中ほどから一分ほどを取り、注目したい話者が入るようにします。
- ボットに送る。 Telegramで @potok_now_bot を開き、ボイスメッセージ、音声ファイル、動画のいずれかとしてクリップを送ります。
- 耳で照合する。 聞きながら読みます。人名や地名は、モデルが目にする機会がもっとも少ない単語なので、先に確認してください。
- ファイル全体を送る。 2 GBまで受け付けます。長い録音はボットのミニアプリのUploadボタンを使ってください。
- 読みやすい形式で書き出す。 確認にはDOCXかTXT、字幕にはSRTかVTTを選びます。怪しい箇所に戻れるよう、タイムスタンプはオンにしておきましょう。
| 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 |
|---|---|---|
| 公表された一つのスコアだけで、アラビア語のあらゆる方言を判断する | その数値は地域のアクセントについてはほとんど語っておらず、方言の音声では誤りが増えます。 | 何時間もの音声を任せる前に、実際の話者のサンプルで試してください。 |
| 書き出したテキストを左から右へ表示するエディタで開く | 数字や句読点が行の逆側に回り込みます。 | 右から左への表記に対応したワープロを使ってください。 |
| 16をご自身のファイルでの結果として引用する | 読み手は、あなたの音声で測定された値だと受け取ってしまいます。 | 他者が公表したテストの数値だと明記してください。 |
| グループ通話で話者の確認を省く | 重なった声が一行に混ざってしまいます。 | 話者ラベルをオンにしてください。ラベルは番号で表示されます。 |
関連情報
よくある質問
このページに注意書きがあるのはなぜですか？
アラビア語の公表誤り率は推奨言語より高く、方言の音声ではさらに上がります。出力は注意して読んでください。
エジプトや湾岸地域の話し方にも対応できますか？
公表テストは方言ごとに結果を分けていません。方言が標準形と大きく異なることが触れられているだけなので、まず短いサンプルで試してください。
アラビア語の動画も送れますか？
はい。ボットは動画ファイル、音声ファイル、ボイスメッセージ、YouTubeリンクを、2 GBの上限内で読み取ります。
母音記号は書かれますか？
期待しないでください。日常的なアラビア語の文章では短母音を書かないことが多いため、必要なら記号はご自身で足してください。
16は何を表していますか？
large-v2モデルの公表テストにおける単語誤り率で、単語に対するパーセントです。
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
- 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