広東語の音声文字起こし：境界線上のケース

Potokの広東語の音声文字起こしには、境界線上という注記が付きます。large-v3の公表テストでは文字誤り率が9.8で、広東語は分かち書きをしないため文字単位です。一方、ベンダーのテストでは、高速版のturboで結果がかなり弱くなりました。数値は他者の知見であり、当社のものではありません。

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

• 広東語の文章は単語の間にスペースがないため、品質は単語ではなく文字単位で示されます。
• ベンダーのテストでturboの結果がかなり悪かったため、この言語は境界線上と位置づけられています。
• 境界線上とは、数値が当社の基準線に近いという意味です。サンプルテストは、かける一分に見合います。
• 書き出しは録音の言語のままです。

文字起こしのイメージ

[00:00] 話者1: 我哋開始開會啦。首先睇下上個禮拜嘅結果，跟住傾下一步點做。

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. まずテストクリップから。 最初は短い音声を送ってください。境界線上の言語では負担が小さく、出力が目的に合うかが分かります。
2. ボットを使う。 @potok_now_bot を開き、サンプルをボイスメッセージか音声ファイルとして添付します。
3. 文字単位で判断する。 音声とテキストを並べて読み、文全体ではなく、文字が誤っている箇所を数えます。
4. 残りを送る。 サンプルがうまく読めたら、録音の全体を送ってください。2 GBまで可能で、大きなファイルにはUploadボタンが使えます。
5. 書き出し形式を選ぶ。 読むならDOCXかTXT、字幕なら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

広東語はなぜ境界線上なのですか？

ベンダーのテストで高速版のturboの結果がかなり悪かったため、この言語は当社の基準線の近くに位置しています。

文字誤り率とは何ですか？

参照テキストと異なる文字の割合です。単語の間にスペースがない表記で使われます。

9.8は当社自身の測定ですか？

いいえ。large-v3モデルについて、他者が実施して公表したテストによる数値です。

ボットは動画を扱えますか？

はい。動画、音声、ボイスメッセージのいずれも、1ファイルあたり2 GBまで受け付けます。

話者には名前が付きますか？

いいえ。声には番号のラベルしか付けられず、実名は付きません。

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. Whisper speech recognition system (Wikipedia), Wikipedia · 確認日 2026-10-18
3. Whale paper, Table 5 (Whisper large-v3 on FLEURS) · 確認日 2026-10-18