ヒンディー語の音声文字起こし：注意と食い違う数値

Potokのヒンディー語の音声文字起こしには、注意が必要です。モデルの発表では単語誤り率16.9ですが、テキストの正規化が異なる独立テストでは約37と報告され、第三者のturbo平均は19.25でした。推奨言語よりも多くの誤りが出ると見込んでください。

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、16.9、約37、19.25は食い違っており、実際の品質は音声と数え方の規則に左右されます。
• ヒンディー語の話者は文の中に英語の単語を混ぜることが多く、それらはどちらの文字でも出力されうます。
• 16.9はモデル自身の発表に基づくもので、公表されてはいますが、独立したものではありません。
• 文字起こし全体を校正するつもりでいてください。

文字起こしのイメージ

[00:00] 話者1: चलिए बैठक शुरू करते हैं। पहले हम पिछले हफ़्ते के नतीजों की समीक्षा करेंगे, फिर अगले कदमों की योजना बनाएँगे।

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. どの文字が重要かを決める。 混ざった英語の単語はラテン文字でもデーヴァナーガリー文字でも現れるので、何を許容するか決めておきます。
2. サンプルを送る。 Telegramで @potok_now_bot を開き、必要な話者の一、二分を添付します。
3. 混ざった箇所を確認する。 出力が最も予測しにくい、英語の単語、ブランド名、数字を見ます。
4. ファイル全体を送る。 上限は2 GBで、大きな録音にはUploadボタンがあります。
5. 編集用に書き出す。 修正にはDOCXかTXT、字幕にはSRTか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

ヒンディー語に注意書きがあるのはなぜですか？

公表された数値が食い違っており、独立したテストでは発表より高い誤り率が見つかっています。

約37という数値は何ですか？

異なるテキストの正規化を使った独立テストによるもので、直接は比較できません。

英語の単語にはどの文字が使われますか？

どちらの文字でも現れうるので、そのような単語を確認し、必要なら手で直してください。

ファイルサイズの上限はどれくらいですか？

2 GBまでのファイルを受け付けており、大きなものにはUploadボタンが役立ちます。

文字起こしは英語になりますか？

いいえ。ボットは文字起こしを翻訳しないので、ヒンディー語のままです。

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。

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. OpenAI Whisper discussion on large-v3 · 確認日 2026-10-18
4. TheWhisper benchmark (turbo, average over FLEURS, MLS, Common Voice) · 確認日 2026-10-18