A transcrição de fala em árabe com o Potok roda por um bot do Telegram e vem com um aviso. Em testes publicados do modelo large-v2, a taxa de erro de palavras para o árabe é 16, acima da dos idiomas recomendados, e a fala dialetal vai pior. São testes de outras pessoas, não medições nossas.
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
- O dialeto é o maior risco: uma conversa informal em família pode ficar bem longe do árabe padrão moderno dos telejornais.
- Uma média independente para o modelo turbo foi 10.57, então nem os números publicados chegam a um valor único.
- A taxa de erro de palavras conta as palavras trocadas, omitidas ou acrescentadas em relação a um texto de referência.
- Um único falante em um ambiente silencioso é o primeiro teste mais seguro.
Como é uma transcrição
[00:00] Falante 1: لنبدأ الاجتماع. أولاً سنراجع نتائج الأسبوع الماضي، ثم نخطط للخطوات التالية.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 |
|---|---|---|---|
| Árabe (العربية) | Use com cuidado | taxa de erro de palavras 16% (large-v2, FLEURS) Whisper paper, TheWhisper benchmark | Testes publicados mostram uma taxa de erro mais alta neste idioma. Teste primeiro com um trecho curto e reserve tempo para revisar. |
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
- Corte um trecho curto. Pegue cerca de um minuto do meio da gravação, não da abertura bem cuidada, e fique com o falante que importa para você.
- Envie ao bot. Abra o @potok_now_bot no Telegram e mande o trecho como mensagem de voz, arquivo de áudio ou vídeo.
- Compare de ouvido. Leia enquanto ouve. Confira primeiro nomes de pessoas e lugares, porque são as palavras que o modelo viu menos vezes.
- Envie o arquivo completo. São aceitos arquivos de até 2 GB. Para uma gravação longa, use o botão Upload do mini app do bot.
- Exporte para ler. Escolha DOCX ou TXT para revisão e SRT ou VTT para legendas. Deixe as marcas de tempo ligadas para voltar às linhas duvidosas.
| 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 |
|---|---|---|
| Julgar todos os dialetos árabes por um único número publicado | O número diz pouco sobre um sotaque regional, e os erros aumentam na fala dialetal. | Teste um trecho do falante real antes de enviar horas de áudio. |
| Abrir o texto exportado em um editor da esquerda para a direita | Dígitos e pontuação caem do lado errado da linha. | Use um editor de texto com suporte à escrita da direita para a esquerda. |
| Citar 16 como resultado dos seus arquivos | Quem lê acha que o número foi medido no seu áudio. | Diga que é um número de testes publicados por outras pessoas. |
| Pular a conferência dos falantes em uma chamada em grupo | Vozes sobrepostas se misturam em uma só linha. | Ligue os rótulos de falante, que aparecem como números. |
Mais
Veja a lista completa de idiomas, as ferramentas e o glossário.
Perguntas frequentes
Por que esta página traz um aviso?
As taxas de erro publicadas para o árabe são maiores que as dos idiomas recomendados e sobem ainda mais na fala dialetal, então leia o resultado com atenção.
Funciona com o árabe egípcio ou do Golfo?
Os testes publicados não separam os resultados por dialeto. Só observam que os dialetos diferem bastante da forma padrão, então experimente um trecho curto.
Posso enviar um vídeo em árabe?
Pode. O bot lê arquivos de vídeo e de áudio, mensagens de voz e links do YouTube dentro do limite de 2 GB.
Os sinais de vocalização serão escritos?
Não conte com isso. O árabe do dia a dia costuma deixar as vogais curtas sem marcação, então acrescente os sinais você mesmo se precisar.
O que significa o 16?
É a taxa de erro de palavras, em porcentagem das palavras, de testes publicados do modelo large-v2.
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
- TheWhisper benchmark (turbo, average over FLEURS, MLS, Common Voice) · 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