A transcrição de fala em inglês com o Potok é um idioma recomendado e tem o menor erro publicado da nossa lista. Os resultados do large-v3 vão de 4.0 a 4.25 de taxa de erro de palavras em testes publicados, e um terceiro obteve média de 4.80 para a variante turbo. 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
- Três números publicados ficam entre 4.0 e 4.80, então o inglês é o idioma mais bem documentado aqui.
- Conjuntos de teste com fala lida são mais limpos que reuniões reais, então espere mais erros nos seus arquivos do que nos testes de referência.
- Os sotaques do inglês variam muito, e um sotaque regional forte ou falas cruzadas rápidas são onde as falhas aparecem.
- Homófonos são escritos pelo contexto, então ainda pode haver trocas como their e there.
Como é uma transcrição
[00:00] Falante 1: Let's start the meeting. First, we'll review last week's results, then plan the next steps.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 |
|---|---|---|---|
| Inglês (English) | Recomendado | taxa de erro de palavras 4% (large-v3, FLEURS) Canary-1B-v2 paper, Whale 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
- Comece pela origem. Notas de voz do celular, exportações do Zoom e gravações de aulas servem. Mantenha o arquivo original, não uma cópia recomprimida.
- Envie. Abra o @potok_now_bot e compartilhe o arquivo ou um link.
- Procure erros de contexto. Procure homófonos e nomes próprios, que nenhuma nota captura.
- Gravações grandes. Qualquer arquivo de até 2 GB; use o botão Upload para os maiores.
- Escolha uma exportação. TXT, MD, DOCX, PDF, SRT ou VTT. Resultados curtos aparecem no chat.
| 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 |
|---|---|---|
| Esperar números de teste de referência em uma chamada barulhenta | A fala limpa de teste é mais fácil que salas reais. | Trate os números como um piso, não como uma média. |
| Não ler os homófonos | Erros de grafia que soam certo passam despercebidos. | Revise ouvindo o áudio. |
| Citar 4.0 como a nossa precisão | É um número publicado por outras pessoas. | Cite-o com o tipo de fonte. |
| Pular os rótulos de falante em um painel | Os nomes das vozes não são conhecidos, só números. | Ligue os rótulos e renomeie depois. |
Mais
Veja a lista completa de idiomas, as ferramentas e o glossário.
Perguntas frequentes
Quais são as notas publicadas?
O large-v3 vai de 4.0 a 4.25 de taxa de erro de palavras, e a variante turbo tem média de 4.80 em um teste de terceiros.
Lida bem com sotaques?
Os números publicados não são separados por sotaque, então teste um trecho do falante.
O inglês é o idioma mais bem atendido?
Tem o menor erro publicado da nossa lista, mas o áudio real importa mais que o número.
Posso enviar um link do YouTube?
Pode, links do YouTube são aceitos junto com arquivos de até 2 GB.
Recebo marcas de tempo?
Recebe, se quiser, e elas são exportadas em SRT e VTT.
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
- Canary-1B-v2 paper, Table 11 (Whisper large-v3 on FLEURS) · 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