O Potok converte áudio em vietnamita para texto quando você envia uma gravação ao bot do Telegram. Testes publicados por terceiros com o modelo anterior, large-v2, e não medições nossas, indicam uma taxa de erro de palavras de 10.3, enquanto outro conjunto de testes deu 18.9 para o large-v3, então os resultados variam com os dados. Arquivos de até 2 GB funcionam.
Transcreva uma gravação
Envie sua mensagem de voz, áudio ou vídeo para @potok_now_bot no Telegram e o texto volta para o chat.
Abrir @potok_now_bot no Telegram
Arquivos de até 2 GB · exportação em TXT, MD, DOCX, PDF, SRT e VTT · identificação de falantes e marcação de tempo · cerca de 30 idiomas
Pontos principais
- Dois valores publicados divergem, 10.3 e 18.9, porque os conjuntos de testes e os modelos são diferentes.
- O vietnamita coloca um espaço entre todas as sílabas, então a taxa de erro de palavras conta mais sílabas do que palavras inteiras.
- Marcas de tom empilhadas e sinais extras de vogal precisam sobreviver à exportação.
- Uma única marca de tom errada gera outra palavra, então os tons são o principal ponto da revisão.
- Os nomes são escritos com um espaço entre cada sílaba, então sobrenome e nome próprio exigem uma checagem manual da ordem.
Como é uma transcrição
[00:00] Falante 1: Chúng ta bắt đầu cuộc họp nhé. Trước tiên, chúng ta sẽ xem lại kết quả tuần trước, sau đó lên kế hoạch cho các bước tiếp theo.Significado em português: Let's start the meeting. First, we'll review last week's results, then plan the next steps.
Escrita por nós para mostrar a escrita e o formato de uma transcrição. Não é o resultado do mecanismo de reconhecimento.
Qualidade publicada
| Idioma | Avaliação | Resultado publicado | Observações |
|---|---|---|---|
| Vietnamita (Tiếng Việt) | Recomendado | taxa de erro de palavras 10.3% (large-v2, FLEURS) Whisper paper | Testes publicados mostram uma taxa de erro baixa neste idioma. |
Estes números vêm de testes publicados por outras pessoas, não de testes do Potok. Seu próprio áudio, com ruído, sotaques e microfone, pode dar resultados diferentes.
Como fazer
- Espere uma faixa ampla. Como os resultados publicados vão de 10.3 a 18.9, teste um trecho da sua própria gravação.
- Abra o bot. Abra o @potok_now_bot e envie uma amostra.
- Envie o arquivo inteiro. Até 2 GB; o Upload do mini app cuida dos maiores.
- Confira as marcas de tom. Olhe um parágrafo e compare as marcas com o áudio.
- Confira os nomes. Nomes de pessoas e lugares são fáceis de errar.
- Exporte. DOCX ou TXT para editar, SRT ou VTT para legendas.
| Recurso | Detalhes |
|---|---|
| Onde funciona | Bot do Telegram @potok_now_bot; arquivos grandes passam pelo mini app do bot |
| Tamanho do arquivo | Até 2 GB |
| Exportação | TXT, MD, DOCX, PDF, SRT, VTT |
| Falantes e tempo | É possível ativar a identificação de falantes e a marcação de tempo |
| Idiomas | Cerca de 30 idiomas com bons resultados publicados; mais alguns com ressalvas |
| Tradução | A transcrição não é traduzida para outro idioma |
| Ditado | Um app de computador Potok separado permite ditar texto em qualquer programa; ele reconhece fala em russo |
Erros comuns
| Erro | O que acontece | Solução |
|---|---|---|
| Citar só o número baixo | Outro teste deu 18.9. | Cite a faixa. |
| Perder as marcas de tom em um editor antigo | As palavras mudam. | Use Unicode. |
| Contar sílabas como palavras | A métrica parece inflada. | Leia a nota como uma indicação. |
| Misturar fala do norte e do sul no mesmo arquivo | As formas regionais confundem o texto. | Revise esses trechos. |
Mais
Veja a lista completa de idiomas, as ferramentas e o glossário.
Perguntas frequentes
Qual valor está certo, 10.3 ou 18.9?
Os dois são publicados. O primeiro é do large-v2 e o segundo do large-v3 em outro conjunto de dados, então trate a faixa como a resposta.
As marcas de tom sobrevivem?
Sim. A transcrição é escrita em vietnamita com suas marcas, então use um software com suporte a Unicode.
Qual é o limite de tamanho?
2 GB por arquivo, com Upload para os grandes.
Vocês mediram esses valores?
Não. Vêm de testes publicados por outras pessoas.
O texto é traduzido?
Não. A transcrição permanece em vietnamita, o mesmo idioma da gravação que você envia, e nunca é convertida para outro.
Fontes
Cada fonte foi aberta manualmente na data indicada. As páginas mudam, então abra a fonte se algum detalhe for importante para você.
- Word error rate (Wikipedia), Wikipedia · verificado em
- FLEURS speech dataset (Google, Hugging Face), Hugging Face · verificado em
- Whisper paper, Table 13 (large-v2 on FLEURS) · verificado em
Teste com a sua própria gravação
Envie sua mensagem de voz, áudio ou vídeo para @potok_now_bot no Telegram e o texto volta para o chat.
Abrir @potok_now_bot no Telegram