A transcrição gratuita de vietnamita depende das marcas de tom, então teste Potok com um clipe curto. Testes publicados por terceiros no modelo anterior large-v2 dão uma taxa de erro de palavras de 10.3 para o vietnamita, e outro conjunto de teste deu 18.9 no large-v3. Compare uma amostra com o áudio e olhe cada marca.
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
- As pontuações variam entre conjuntos de teste, o que significa que 10.3 é uma referência e não uma previsão.
- Os dois números vêm de testes de outras pessoas, não de medições nossas.
- O vietnamita é escrito com marcas de tom e de vogal, e uma marca errada forma outra palavra.
- Cada sílaba é escrita como uma palavra própria, então uma sílaba errada é uma palavra errada.
Como é uma transcrição
[00:00] Falante 1: Chúng ta bắt đầu cuộc họp nhé. Trước tiên, chúng ta sẽ xem lại kết quả tuần trước, sau đó lên kế hoạch cho các bước tiếp theo.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 |
|---|---|---|---|
| Vietnamita (Tiếng Việt) | Recomendado | taxa de erro de palavras 10.3% (large-v2, FLEURS) Whisper 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
- Escolha uma fala com tons. Um clipe de conversa comum testa as marcas melhor do que uma lista de palavras.
- Abra o bot. Abra @potok_now_bot no Telegram e envie o clipe como mensagem de voz, arquivo de áudio ou vídeo.
- Confira as marcas de tom. Compare as vogais marcadas com o áudio e assinale as que conferem.
- Teste uma segunda voz. Experimente um falante de outra região, pois os sotaques mudam o som dos tons.
- Exporte o resultado. Salve em TXT, DOCX, PDF, SRT ou VTT. Arquivos de até 2 GB são aceitos.
| 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 |
|---|---|---|
| Aceitar uma marca ausente | Ela forma outra palavra. | Revise as marcas. |
| Confiar em um único número | 10.3 e 18.9 diferem bastante. | Teste o seu próprio áudio. |
| Testar uma só região | A fala do norte e a do sul diferem. | Adicione um segundo falante. |
| Ler em uma fonte sem as marcas | As marcas aparecem mal. | Use uma fonte com cobertura completa. |
| Julgar por uma única sílaba | Cada sílaba é uma palavra escrita própria, então um deslize conta como uma palavra inteira errada. | Conte sílabas, não frases, ao somar. |
Mais
Veja a lista completa de idiomas, as ferramentas e o glossário.
Perguntas frequentes
Por que dois números diferem tanto?
Vêm de modelos e conjuntos de teste diferentes, então 10.3 e 18.9 são ambos publicados, mas não são parecidos.
A qual modelo eles se referem?
10.3 é do large-v2 e 18.9 é do large-v3.
É uma medição de vocês?
Não. Ela vem de testes publicados por terceiros.
Devo testar mais de um clipe?
Sim. Uma voz do norte e outra do sul mostram o quanto os tons importam para a ferramenta que você está avaliando.
Posso receber um texto em inglês?
Não. A transcrição fica no idioma da gravação.
Qual é o limite de tamanho de arquivo?
Arquivos de até 2 GB são aceitos, e um resultado longo chega como arquivo que você pode salvar.
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
- Whisper paper, Table 13 (large-v2 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