Potokのオランダ語の音声文字起こしは、推奨言語です。large-v3の公表テストでは単語誤り率が5.57で、当社の一覧の中でも低い部類に入ります。一部の利用者から、自分のオランダ語データでは旧モデルよりlarge-v3のほうが悪いという報告があるので、サンプルで確かめてください。
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。
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
- 5.57は他者が公表した数値で、あなたのファイルで当社が測定したものではありません。
- 研究ではなく利用者からの報告ですが、一部のオランダ語の素材ではlarge-v3が旧モデルに劣りうることが示唆されています。
- オランダ語はオランダとベルギーで話され、両者でアクセントが異なります。
- きれいなテスト音声での低いスコアは、騒がしい部屋には当てはまりません。
- オランダとベルギーの両方でこの言語が使われているので、アクセントを試すのは妥当です。
文字起こしのイメージ
[00:00] 話者1: Laten we de vergadering beginnen. Eerst bespreken we de resultaten van vorige week, daarna plannen we de volgende stappen.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 |
|---|---|---|---|
| オランダ語 (Nederlands) | おすすめ | 単語誤り率 5.57%(large-v3、FLEURS) Canary-1B-v2 paper | 公開されているテストでは、この言語の誤り率は低くなっています。 |
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
- 最も難しい一分を選ぶ。 穏やかな冒頭ではなく、声が重なる箇所や雑音のある箇所を選びます。そのほうが多くを教えてくれます。
- 送る。 Telegramで @potok_now_bot を開き、添付します。
- 元の音声と比べる。 誤った単語を数え、名前、数字、くっついた単語のどの種類かを記録します。
- 判断する。 満足できたら、全体のファイルを送ります。2 GBまでで、大きければUploadから送れます。
- 書き出す。 TXT、MD、DOCX、PDF、SRT、VTTから選びます。
| 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 |
|---|---|---|
| 低い数値をそのまま信じる | 上記の利用者報告のとおり、すべてのファイルで成り立つとは限りません。 | 先にサンプルを読んでください。 |
| 簡単な冒頭だけをテストする | 失敗する場面を見逃します。 | 雑音のある箇所を選んでください。 |
| 話者のアクセントを無視する | ベルギーとオランダの話し方では、語の選び方が異なることがあります。 | 実際の話者でテストしてください。 |
| 複合語を誤りとして扱う | オランダ語は長い語を続けて書くので、隙間を探すチェックは正しいテキストを誤りと判定することがあります。 | 音声と照らして比べてください。 |
関連情報
よくある質問
オランダ語の公表スコアはいくつですか?
公表テストによる、large-v3モデルの単語誤り率5.57です。
注意点とは何ですか?
一部の利用者が、自分のオランダ語データではlarge-v3が旧モデルより悪いと報告しています。
5.57は御社のものですか?
いいえ。他者が公表したテストによる数値です。
フランドル語は使えますか?
この数値はアクセントごとの内訳がないので、話者の短いクリップで試してください。
PDFで受け取れますか?
はい。PDFは、TXT、MD、DOCX、SRT、VTTと並ぶ六種類の書き出し形式の一つです。
旧モデルについての主張を自分で確かめられますか?
ボットを通してはできませんが、難しいクリップを音声と照らして読み、誤りを数えることで出力を判断できます。
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。
- Word error rate (Wikipedia), Wikipedia · 確認日
- FLEURS speech dataset (Google, Hugging Face), Hugging Face · 確認日
- Canary-1B-v2 paper, Table 11 (Whisper large-v3 on FLEURS) · 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