O inglês é onde o Potok é mais forte nos testes publicados: o modelo large-v3 chega a uma taxa de erro de palavras de 4 num teste e 4.25 em outro, e um teste de terceiros da variante turbo tem média de 4.80. Envie mensagens de voz, ligações, vídeos ou arquivos de até 2 GB ao bot do Telegram.
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 taxas de erro de palavras publicadas do large-v3 para o inglês vão de 4 a 4.25, medidas por outros e não por nós.
- Um teste de terceiros da variante turbo tem média de 4.80, então até o modelo menor fica por perto.
- Sotaques, jargão e falas cruzadas mexem mais nos resultados reais que a média.
- Homófonos como there e their são os erros que costumam sobrar.
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
- Escolha a melhor fonte. Use o arquivo original, não uma gravação de tela de uma ligação, que acrescenta ruído e compressão.
- Fale com o bot. Envie áudio, vídeo, uma mensagem de voz encaminhada ou um link do YouTube ao @potok_now_bot.
- Para um arquivo do tamanho de um filme. O teto é de 2 GB. O botão Upload do miniapp é o caminho para uma gravação muito longa.
- Ligue os rótulos de diarização. Os rótulos de falante aparecem como Falante 1, Falante 2. Acrescente carimbos de tempo se for citar o áudio.
- Revise os detalhes. Confira nomes de produtos, siglas, números e homófonos.
- Exporte. TXT, MD, DOCX, PDF para texto. 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 |
|---|---|---|
| Achar que 4 significa quatro palavras erradas em cem no seu arquivo | Sotaques fortes e ruído podem levar a taxa real muito mais alto. | Trate o número como referência, não como promessa. |
| Deixar passar homófonos | Palavras de som parecido são trocadas e o texto ainda parece plausível. | Leia a transcrição pensando no sentido da frase. |
| Não explicar as siglas antes da ligação | Jargão desconhecido vira palavras comuns. | Mantenha uma lista curta de termos e corrija depois. |
| Usar uma ligação gravada no viva-voz | O eco derruba palavras dos dois lados. | Grave cada falante perto do microfone. |
Mais
Veja a lista completa de idiomas, as ferramentas e o glossário.
Perguntas frequentes
Qual a qualidade da transcrição em inglês?
Testes publicados do large-v3 indicam taxas de erro de palavras de 4 a 4.25 para o inglês, entre as mais baixas da nossa lista. São números de outros grupos.
Ele lida com sotaques britânico, americano e indiano?
Os números publicados não separam os resultados por sotaque. Teste um trecho do seu falante se o sotaque for forte.
Posso transcrever um vídeo do YouTube?
Sim. Cole o link no chat e o bot transcreve a fala.
Os nomes dos falantes são preenchidos?
Não. Os rótulos são números, e você mesmo os renomeia no arquivo exportado.
O texto em inglês é traduzido?
Não. O resultado fica em inglês, e o bot não o traduz para outro idioma.
Fontes
Cada fonte foi aberta manualmente na data indicada. As páginas mudam, então abra a fonte se algum detalhe for importante para você.
- FLEURS speech dataset (Google, Hugging Face), Hugging Face · verificado em
- Word error rate (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