A transcrição em vietnamita no Potok devolve texto com marcas de tom. A taxa de erro de palavras publicada é 10.3 para o modelo anterior, o large-v2, enquanto outro conjunto de teste deu 18.9 para o large-v3, então o resultado varia com os dados. Arquivos de até 2 GB são aceitos no 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
- O 10.3 é uma taxa de erro de palavras de testes publicados por outros, não uma medição nossa.
- Outro teste publicado deu 18.9 para o large-v3, então a diferença entre conjuntos de dados é grande.
- O vietnamita usa o alfabeto latino com marcas de tom e sinais extras nas vogais, e cada sílaba é separada por um espaço.
- Marcas de tempo e rótulos de falante numerados são opcionais.
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 um trecho. Pegue uma parte curta com fala clara e envie ao @potok_now_bot.
- Compare com o áudio. Avalie se a qualidade serve para as suas gravações, que podem ficar mais perto de 10 ou de 19.
- Envie o arquivo inteiro. Até 2 GB entra, com o botão Upload do mini app para os maiores.
- Ative rótulos e horários. Os dois ajudam em reuniões e entrevistas longas.
- Confira as marcas de tom. Uma marca errada forma outra sílaba, então leia nomes e números com atenção.
- Exporte. TXT, MD, DOCX, PDF, SRT ou VTT.
| 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 |
|---|---|---|
| Confiar num único número para toda gravação | Os testes publicados foram de 10.3 a 18.9. | Teste o seu próprio áudio. |
| Pesquisar sem as marcas | Palavras que só diferem por uma marca não aparecem juntas. | Pesquise com as marcas exatas. |
| Tratar os espaços como limites de palavra | Uma palavra de várias sílabas é cortada em pedaços. | Revise as palavras compostas no contexto. |
| Esperar uma transcrição em inglês | O bot não traduz. | Traduza o texto em outro lugar, se precisar. |
Mais
Veja a lista completa de idiomas, as ferramentas e o glossário.
Perguntas frequentes
A transcrição inclui as marcas de tom?
Sim, é vietnamita escrito, com marcas de tom e sinais nas vogais, então a fonte de exibição deve aceitá-los.
Por que os números publicados diferem?
Um teste do large-v2 deu 10.3 e outro, do large-v3, deu 18.9, porque os conjuntos de dados são diferentes.
Posso obter legendas?
Sim. Exporte em SRT ou VTT e confira as quebras de linha.
O bot separa os falantes?
Pode marcar as falas com rótulos numerados depois que você ativar.
Qual é o limite de tamanho?
Arquivos de até 2 GB; use o Upload no mini app para os maiores.
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
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