Para avaliar uma ferramenta grátis de transcrição em árabe, envie um trecho curto e leia o resultado junto com o áudio. No Potok, a taxa de erro por palavra publicada para o árabe é 16, então use dois trechos: um formal e um em dialeto. A fala em dialeto vai pior, e o número vem de testes de outras pessoas.
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 16 é uma taxa de erro por palavra de testes publicados do modelo anterior large-v2, não uma medição nossa.
- Existe também uma média de terceiros para o turbo, 10.57, então os números publicados para o árabe não convergem em um único valor.
- Como os dialetos diferem muito do árabe padrão moderno, um único trecho não representa o idioma inteiro.
- O árabe é escrito da direita para a esquerda, o que importa ao abrir o arquivo exportado.
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 dois trechos curtos. Pegue cerca de meio minuto de fala formal, como uma aula, e a mesma duração de conversa informal no seu dialeto.
- Abra o bot. Abra o @potok_now_bot no Telegram e envie o primeiro trecho como mensagem de voz, arquivo de áudio ou vídeo.
- Envie o segundo trecho. Mantenha os dois resultados separados para comparar como a ferramenta lida com cada registro.
- Leia acompanhando o áudio. Marque cada palavra errada, faltando ou inventada. A proporção entre marcas e palavras ouvidas é a sua taxa de erro aproximada.
- Aumente só se o resultado se sustentar. Para uma gravação longa, são aceitos arquivos de até 2 GB, e o botão Upload do mini app do bot cuida dos grandes.
| 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 |
|---|---|---|
| Testar só com fala de telejornal | O trecho sai limpo, e depois as chamadas em família saem com muito mais erros. | Sempre inclua um trecho do dialeto que você realmente precisa. |
| Julgar a ferramenta por uma frase de sorte | Uma única frase fácil diz pouco sobre uma gravação inteira. | Use um trecho contínuo de fala, com alguns nomes. |
| Abrir o resultado em um editor da esquerda para a direita | A pontuação e os dígitos pulam para o lado errado da linha. | Confira em um editor de texto que aceite escrita da direita para a esquerda. |
| Comparar ferramentas com exportações diferentes | Diferenças de formatação são confundidas com diferenças de reconhecimento. | Exporte o mesmo formato em cada ferramenta antes de comparar. |
Mais
Veja a lista completa de idiomas, as ferramentas e o glossário.
Perguntas frequentes
Por que a página do árabe traz um aviso?
As taxas de erro publicadas para o árabe são maiores do que as dos idiomas recomendados e sobem na fala em dialeto, então uma leitura cuidadosa faz parte do trabalho.
Quanto tempo deve ter o trecho de teste?
De meio minuto a um minuto basta para ver o padrão de erros sem gastar muito tempo conferindo.
Os números publicados dizem como vai ser o meu áudio?
Não. Eles vêm de testes de outras pessoas, com os dados delas. Seu microfone, o ruído e o dialeto decidem o resultado real.
As marcas de vogal aparecem no texto?
Não conte com isso. O texto árabe comum costuma omiti-las, então acrescente à mão as que você precisar.
O texto pode voltar em inglês?
Não. A transcrição fica no idioma da gravação.
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