英語の音声文字起こし：公表スコア

Potokの英語の音声文字起こしは推奨言語で、当社の一覧の中で公表されている誤りが最も低い言語です。large-v3の結果は公表テストで単語誤り率4.0から4.25、第三者によるturboの平均は4.80でした。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

• 公表されている三つの数値は4.0から4.80の間にあり、英語はここで最もよく記録されている言語です。
• 朗読音声のテストセットは実際の会議よりきれいなので、ベンチマークよりもあなたのファイルのほうが誤りは多くなると見込んでください。
• 英語のアクセントは幅広く、強い地域アクセントや早口の同時発話で差が出ます。
• 同音異義語は文脈で綴りが決まるため、theirとthereのような取り違えは起こりえます。

文字起こしのイメージ

[00:00] 話者1: Let's start the meeting. First, we'll review last week's results, then plan the next steps.

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. 元データから始める。 スマートフォンのボイスメモ、Zoomの書き出し、講義の録音のどれでも構いません。再圧縮したコピーではなく、元のファイルを使ってください。
2. 送る。 @potok_now_bot を開き、ファイルかリンクを共有します。
3. 文脈による誤りを探す。 同音異義語と固有名詞を確認します。これらはどのスコアにも反映されません。
4. 大きな録音。 2 GBまで可能です。最大級のものにはUploadボタンを使ってください。
5. 書き出し形式を選ぶ。 TXT、MD、DOCX、PDF、SRT、VTTから選びます。短い結果はチャットに表示されます。

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？

large-v3は単語誤り率で4.0から4.25、turboは第三者のテストで平均4.80です。

アクセントには対応できますか？

公表された数値はアクセント別に分かれていないので、話者のクリップで試してください。

英語は最もよく対応している言語ですか？

当社の一覧で公表されている誤りが最も低い言語ですが、数値よりも実際の音声のほうが重要です。

YouTubeのリンクを送れますか？

はい。YouTubeへのリンクは、2 GBまでのファイルと並んで受け付けます。

タイムスタンプは付きますか？

はい、任意で付けられ、SRTとVTTに書き出せます。

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。

1. Word error rate (Wikipedia), Wikipedia · 確認日 2026-10-18
2. Whisper speech recognition system (Wikipedia), Wikipedia · 確認日 2026-10-18
3. Canary-1B-v2 paper, Table 11 (Whisper large-v3 on FLEURS) · 確認日 2026-10-18
4. Whale paper, Table 5 (Whisper large-v3 on FLEURS) · 確認日 2026-10-18