バッチ文字起こしとは？ 人がまだ話している最中ではなく、アップロードされた完成済みの録音をあとから文字にする方式です。システムはファイル全体を一度に読めるため、言葉の前後の文脈を使え、より丁寧なテキストを返すことが多くなります。
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
- ファイル全体が揃っているので、システムは言葉の前後を見渡せます。ライブのシステムにはそれができません。
- 結果は処理が終わったときに届くので、バッチは、あとで見直すインタビュー、講義、会議に向いています。
- 一度のアップロードで長い録音を扱え、出力にはファイル全体のタイムスタンプと話者ラベルを含められます。
- ライブの配信はイベント中の字幕に向き、バッチの処理は録音のアーカイブに向いています。
見た目のイメージ
upload town_hall.m4a (finished recording)
status queued -> processing -> done
result town_hall.txt (full transcript)
town_hall.srt (timed subtitles)
関連情報
よくある質問
バッチはライブの文字起こしとどう違いますか。
ライブの文字起こしは話者が話している間にテキストを書くため、素早く判断しなければなりません。バッチは完成したファイルを処理するので、時間はかかりますが、より安定したテキストを返せます。
バッチはいつ選ぶべきですか。
インタビュー、講義、通話、ボイスメモなど、すでに録音されたものなら何でも向いています。ストリームを動かさなくても、タイムスタンプとラベルが得られます。
パソコンの前で待つ必要がありますか。
いいえ。ファイルを送って、結果を見に戻るだけです。短い文字起こしはチャットに届き、長いものはファイルで届きます。
大きなファイルもバッチで処理できますか。
はい。Potokボットは2 GBまでのファイルを受け付け、それより大きいものはボットのミニアプリのアップロードボタンから送れます。
出力はライブと違いますか。
文脈が完全に揃っているぶん、テキストがきれいになることがあります。話者ラベルやタイムスタンプも加えられ、TXT、MD、DOCX、PDF、SRT、VTTで書き出せます。
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。
- Speech recognition (Wikipedia), Wikipedia · 確認日
- Transcription (linguistics) (Wikipedia), Wikipedia · 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