Para comparar ferramentas grátis de transcrição em cantonês, passe um mesmo trecho curto por cada uma e conte os caracteres errados. O Potok se apoia em uma taxa de erro por caractere publicada de 9.8 para o cantonês com o large-v3, mas esse idioma é um caso limítrofe, então trate esse número como resultado 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 9.8 é uma taxa de erro por caractere (CER) de um teste publicado do large-v3, não uma medição nossa.
- O cantonês é escrito sem espaços, então a qualidade é contada em caracteres, não em palavras.
- Um teste de fornecedor indicou resultados bem piores para a variante turbo, mais rápida, então o cantonês continua limítrofe.
- A transcrição fica em cantonês e não é traduzida.
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
- Escolha um trecho curto. Use cerca de meio minuto de cantonês claro com uma só pessoa falando, para que os erros sejam fáceis de rastrear.
- Abra o bot. Abra o @potok_now_bot no Telegram e envie o trecho como mensagem de voz, arquivo de áudio ou vídeo.
- Conte caracteres, não palavras. Sem espaços, não há limites entre palavras. Copie o texto para uma planilha e marque cada caractere errado ou faltando.
- Compare as ferramentas no mesmo trecho. Envie o mesmo arquivo a cada ferramenta que testar. Assim, as diferenças vêm da ferramenta, não do áudio.
- Passe para um arquivo mais longo. Arquivos de até 2 GB são aceitos, e o botão Upload do mini app do bot cuida dos grandes. Exporte em TXT, DOCX ou SRT.
| 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 |
|---|---|---|
| Contar palavras em um resultado em cantonês | Não há espaços, então a contagem não faz sentido. | Conte os caracteres e divida pelo total ouvido. |
| Confiar em um único número em resultados limítrofes | O cantonês fica perto do limite do que consideramos confiável. | Trate toda transcrição como rascunho e releia. |
| Misturar vozes no trecho de teste | A sobreposição dificulta ver quais erros pertencem a qual voz. | Teste uma voz primeiro e depois acrescente a segunda. |
| Pular uma segunda ferramenta | Com um só resultado, não há com o que comparar. | Rode o mesmo trecho em outro lugar e mantenha os dois textos lado a lado. |
Mais
Veja a lista completa de idiomas, as ferramentas e o glossário.
Perguntas frequentes
Por que o cantonês é marcado como limítrofe?
O número publicado é razoável, mas um teste de fornecedor indicou resultados bem piores para a variante turbo, então recomendamos cautela.
O que é uma taxa de erro por caractere?
Ela conta os caracteres errados, faltando ou sobrando em relação a uma referência humana. Serve para idiomas escritos sem espaços.
O 9.8 é o que eu vou obter?
Não necessariamente. Ele vem de um teste publicado com outro áudio. A pessoa que fala, o ruído e o vocabulário mudam o resultado.
Posso usar marcações de tempo para conferir trechos longos?
Sim. Ative as marcações de tempo e vá até o ponto do áudio onde está a frase duvidosa.
A saída é convertida para mandarim?
Não. A transcrição fica no idioma da gravação e não 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.
- Whisper speech recognition system (Wikipedia), Wikipedia · verificado em
- Word error rate (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