ベトナム語の音声文字起こし：声調とばらつくスコア

Potokのベトナム語の音声文字起こしは推奨言語で、旧モデルのlarge-v2による公表単語誤り率は10.3です。別のテストセットではlarge-v3で18.9となっており、結果はデータによって変わります。これらは他者のテストで、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。

Telegram で @potok_now_bot を開く

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

• 10.3と18.9の開きは大きく、あなたの録音は広い帯のどこにでも収まりうると見込んでください。
• 六つの声調は発音区別符号で示され、記号が違うと、単語が別の単語になります。
• 各音節はスペース区切りの別の単語として書かれるため、単語誤り率は多くの短い単位を数えることになります。
• 北部と南部の話し方は音が異なり、公表された数値はそれらを分けていません。

文字起こしのイメージ

[00:00] 話者1: Chúng ta bắt đầu cuộc họp nhé. Trước tiên, chúng ta sẽ xem lại kết quả tuần trước, sau đó lên kế hoạch cho các bước tiếp theo.

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

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

1. テストクリップを選ぶ。 普通の会話と、いくつかの名前の両方が入った一分を選びます。
2. ボットに送る。 @potok_now_bot を開き、ファイル、ボイスメッセージ、YouTubeリンクを共有します。
3. 上限に注意する。 2 GBまでのファイルを受け付けます。最大級のものにはミニアプリのUploadが向いています。
4. 声調記号を確認する。 記号で意味が変わる単語に注目して、単語のサンプルを音声と照らし合わせます。
5. 名前を確認する。 人名や地名には、あまり一般的でない記号の組み合わせが含まれることがよくあります。
6. 書き出す。 TXT、MD、DOCX、PDF、SRT、VTTです。

よくある間違い

関連情報

対応言語の一覧、ツール、用語集もご覧ください。

よくある質問

公表されているスコアはいくつですか？

あるテストではlarge-v2で10.3、別のテストセットではlarge-v3で18.9です。

数値がこれほど違うのはなぜですか？

異なるデータと異なるモデルによるものなので、直接は比較できません。

誰のテストですか？

他者が公表したもので、当社が測定したものではありません。

ボットは北部と南部の話し方に対応していますか？

公表された数値はアクセントを分けていないので、話者の短いクリップで確認してください。

テキストはベトナム語のままですか？

はい。ほか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。

1. Word error rate (Wikipedia), Wikipedia · 確認日 2026-10-18
2. FLEURS speech dataset (Google, Hugging Face), Hugging Face · 確認日 2026-10-18
3. Whisper paper, Table 13 (large-v2 on FLEURS) · 確認日 2026-10-18