A transcrição de fala em cantonês com o Potok vem com uma observação de caso no limite. Testes publicados do large-v3 relatam uma taxa de erro de caracteres de 9.8, já que o cantonês se escreve sem espaços, mas um teste de um fabricante mostrou resultados bem piores para a variante turbo, mais rápida. Trate os números como achados de outras pessoas, não nossos.
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
- A qualidade é citada por caractere, e não por palavra, porque o texto em cantonês não tem espaços entre as palavras.
- Um teste de fabricante relatou resultados muito piores para a variante turbo, e por isso o idioma é marcado como no limite.
- Estar no limite significa que o número fica perto do nosso corte, então vale o minuto que um teste com trecho curto leva.
- As exportações ficam no idioma da gravação.
Como é uma transcrição
[00:00] Falante 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。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 |
|---|---|---|---|
| Cantonês (粵語) | Recomendado, no limite | taxa de erro de caracteres 9.8% (large-v3, FLEURS) Whale paper | Testes publicados mostram uma taxa de erro próxima da nossa linha de 15%. Teste primeiro com um trecho curto. |
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
- Comece com um trecho de teste. Envie primeiro alguns segundos. Em um idioma no limite isso custa pouco e mostra se o resultado serve para você.
- Use o bot. Abra o @potok_now_bot e anexe o trecho como mensagem de voz ou arquivo de áudio.
- Julgue por caractere. Leia o texto junto com o áudio e conte os pontos em que um caractere está errado, em vez de frases inteiras.
- Envie o resto. Se o trecho ficou bom, envie a gravação completa. Até 2 GB não há problema, e o botão Upload cuida dos arquivos grandes.
- Escolha uma exportação. DOCX ou TXT para ler, 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 |
|---|---|---|
| Ler uma taxa de erro de caracteres como taxa de erro de palavras | 9.8 conta caracteres, então os dois números não são comparáveis. | Compare apenas números que usam a mesma métrica. |
| Enviar um arquivo longo sem teste | Um idioma no limite pode surpreender em uma hora inteira. | Faça sempre um teste curto antes. |
| Misturar frases em inglês no mesmo trecho | Palavras estrangeiras saem com menos confiabilidade. | Marque esses pontos e confira de ouvido. |
| Esperar espaços entre as palavras | O cantonês escrito não os usa. | Não procure quebras de palavra na transcrição. |
Mais
Veja a lista completa de idiomas, as ferramentas e o glossário.
Perguntas frequentes
Por que o cantonês está no limite?
Um teste de fabricante relatou resultados bem piores para a variante turbo, mais rápida, então o idioma fica perto do nosso corte.
O que é a taxa de erro de caracteres?
É a parcela de caracteres que diferem de um texto de referência, usada quando a escrita não tem espaços entre as palavras.
O 9.8 é uma medição nossa?
Não. Vem de testes publicados do modelo large-v3, feitos por outras pessoas.
O bot aceita vídeo?
Aceita. Vídeo, áudio e mensagens de voz são aceitos, até 2 GB por arquivo.
Os falantes serão identificados pelo nome?
Não. As vozes podem ser rotuladas apenas com números, nunca com nomes reais.
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
- Whisper speech recognition system (Wikipedia), Wikipedia · verificado em
- Whale paper, Table 5 (Whisper large-v3 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