चीनी ट्रांसक्रिप्शन फ़ाइल अपलोड से पहले एक खरीद-निर्णय है। पूछें कि मॉडल किस बोली-रूप को संभालता है, वह किस लिपि में लिखता है, और क्या परिणाम भाषण को जस का तस रखता है या उसे औपचारिक लिखित चीनी में सामान्यीकृत कर देता है। एक ही “Chinese” सेटिंग इन निर्णयों को अस्पष्ट छोड़ सकती है।

मुख्य निष्कर्ष

चीनी ट्रांसक्रिप्शन की तीन अलग-अलग आवश्यकताएँ होती हैं

बोली-रूप recognition system को बताता है कि किस तरह की speech अपेक्षित है। Mandarin और Cantonese के लिए अलग मूल्यांकन चाहिए; जो मॉडल एक generic Chinese code स्वीकार करता है, वह दोनों के लिए समान परिणाम नहीं दे सकता। लिपि पूछती है कि आउटपुट Simplified या Traditional अक्षरों में होना चाहिए या नहीं। रजिस्टर पूछता है कि क्या Cantonese transcript में बोलचाल की शब्दावली बनी रहनी चाहिए या वह Standard Written Chinese जैसा पढ़ना चाहिए। ये अलग deliverable requirements हैं, भले ही कोई सेवा इन्हें एक ही setting में जोड़ दे।

औपचारिक पुनर्लेखन मीटिंग नोट्स के लिए उपयुक्त हो सकता है, लेकिन रिकॉर्डिंग की जाँच किए बिना वह शब्दशः उद्धरण का काम नहीं कर सकता। इंटरव्यू, कानूनी रिकॉर्ड या शोध ट्रांसक्रिप्ट के लिए, ऐसा नमूना माँगें जो आपकी ज़रूरत की wording को बनाए रखे और समीक्षा के लिए source audio उपलब्ध रखें।

एक व्यापक tool comparison चाहिए? हमारी multilingual transcription guide live translation की तुलना post-meeting transcripts से करती है। यह पेज transcription job के भीतर Chinese language choices पर केंद्रित है।

कैंटोनीज़ benchmark label क्या छिपा सकता है

एक ACL 2025 dataset audit ने Cantonese-labelled speech subsets से जुड़े written prompts का वर्गीकरण किया। इसकी Table 5 में Common Voice 17.0 yue और FLEURS yue_hk के बीच एक स्पष्ट अंतर पाया गया:

Text promptsStandard Written ChineseWritten vernacular CantoneseUnmarked
Common Voice 17.0 yue0.1%75.7%24.1%
FLEURS yue_hk89.8%0%10.2%

ये प्रतिशत text prompts को वर्गीकृत करते हैं, न कि अलग-अलग रिकॉर्डिंग की बोली-भाषा को। Common Voice में एक छोटा mixed category भी है, जिसे इस तालिका में शामिल नहीं किया गया है।

पेपर का सुझाव है कि FLEURS yue_hk गलत लेबल हो सकता है क्योंकि इसके prompts मुख्यतः Standard Written Chinese का उपयोग करते हैं। इसका यह अर्थ नहीं है कि किसी वक्ता ने रिकॉर्डिंग्स को कैंटोनीज़ में नहीं बोला। इसका मतलब है कि केवल label, बोलचाल वाली कैंटोनीज़ ट्रांसक्रिप्शन के दावे के लिए पर्याप्त प्रमाण नहीं है। पूछें कि क्या vendor का benchmark read prompts, conversational speech, या आपके target domain का उपयोग करता है।

एक अलग LREC 2022 Cantonese dataset study में पाया गया कि जब MDCC corpus पर प्रशिक्षित एक मॉडल को MDCC पर परखा गया, तो character error rate 10.15% था, लेकिन वही मॉडल Common Voice zh-HK पर परखने पर 83.42% था। यह एक architecture और दो test sets का परिणाम है, कोई सार्वभौमिक Cantonese error rate नहीं। व्यावहारिक सीख यह है कि अपने accents, microphones और speaking style का परीक्षण करें।

एक 2026 multi-dialect ASR study भी Mandarin और उसके dialect test sets पर अलग परिणाम रिपोर्ट करती है, लेकिन उन संख्याओं की तुलना 2022 के Cantonese experiment से सीधे नहीं की जा सकती। error metrics के बारे में अधिक जानने के लिए हमारी AI transcription accuracy comparison देखें।

भाषा कोड को model-specific promises की तरह पढ़ें

Google Cloud Speech-to-Text में cmn-Hans-CN (Simplified Mandarin), cmn-Hant-TW (Traditional Mandarin) और yue-Hant-HK (Traditional Cantonese) जैसे codes सूचीबद्ध हैं। ये codes variety, script और region को एक साथ जोड़ते हैं। कौन-से recognition models हर code को सपोर्ट करते हैं, यह भी location के अनुसार बदलता है।

Deepgram’s model list Nova-3 के लिए Cantonese Traditional को zh-HK के रूप में लेबल करती है, साथ ही Simplified और Traditional Mandarin विकल्प भी देती है। इसकी Flux STT language list में Chinese शामिल नहीं है। एक model के लिए दिखाया गया language दूसरे में काम करेगा, यह कभी मानकर नहीं चलना चाहिए।

कोई भी code list यह नहीं बताती कि बोलचाल वाली Cantonese को औपचारिक prose में सामान्यीकृत किया जाएगा या नहीं। इच्छित script और register में एक छोटा नमूना माँगें। यदि supplier register प्रश्न का उत्तर नहीं दे सकता, तो नमूने की audio से line by line तुलना करें।

केवल headline rate नहीं, सेवा की तुलना करें

October 2026 तक, ElevenLabs’ Chinese Scribe page पर $0.40 प्रति audio hour सूचीबद्ध है, जबकि GoTranscript’s Chinese page मानव transcription $1.02 प्रति minute से विज्ञापित करती है। ये अलग-अलग scope के शुरुआती मूल्य हैं, समान quotes नहीं। मानव सेवा Mandarin और Cantonese handling, Simplified या Traditional deliverables, और वैकल्पिक localization का विज्ञापन करती है। ऑर्डर करने से पहले वर्तमान rates, add-ons और exact deliverable सत्यापित करें।

Benchmark संख्याओं के लिए भी इसी तरह की सावधानी चाहिए। AssemblyAI’s vendor-run multilingual comparison एक Chinese column प्रस्तुत करती है, अलग Mandarin और Cantonese rows नहीं। यह परीक्षण किए गए systems और datasets का snapshot है, आपके Cantonese interview पर प्रदर्शन का प्रमाण नहीं। पूछें कि उद्धृत score किस model version, language subset और character error rate calculation से निकला।

Mandarin-English switching के लिए, एक bilingual sample भी बनाइए। ISCSLP 2022 Chinese-English challenge ने अपने winning system के लिए 16.70% mixture error rate रिपोर्ट किया, जबकि challenge baseline 26.50% था। यह नियंत्रित परिणाम हर meeting की भविष्यवाणी नहीं कर सकता, लेकिन यह दिखाता है कि monolingual demo एक अधूरा purchasing test क्यों है।

चीनी audio-to-text का चार-चरणीय परीक्षण

  1. भाषण की पहचान करें. दर्ज करें कि स्रोत Mandarin है, Cantonese है, कोई अन्य variety है, या English के साथ मिश्रित है। जहाँ model explicit supported code देता हो, वहाँ उसे चुनें।
  2. आउटपुट निर्दिष्ट करें. Simplified या Traditional अक्षर बताइए और यह भी कि transcript को conversational wording बनाए रखनी है या नहीं।
  3. प्रतिनिधि ऑडियो का परीक्षण करें. वास्तविक accents, background noise, names और कोई भी language switching शामिल करें। आउटपुट को रिकॉर्डिंग के साथ मिलाकर जाँचें।
  4. समीक्षा का रास्ता बनाए रखें. ऑडियो सहेजें, model और settings दर्ज करें, और जहाँ exact wording महत्वपूर्ण हो वहाँ human review के लिए बजट रखें।

Live captions और archival transcript के success criteria अलग होते हैं। उस workflow विकल्प के लिए real-time versus recorded-audio transcription देखें। यदि लक्ष्य किसी अन्य spoken language से अनूदित Chinese text है, तो speech translation workflow का उपयोग करें, जैसे हमारी Arabic to Chinese translator guide।

MirrorCaption कहाँ फिट बैठता है

MirrorCaption वर्तमान में एक Chinese language option दिखाता है। यह अलग Cantonese option या Simplified/Traditional script control नहीं देता, और हम उत्पाद के लिए कोई Chinese character error rate प्रकाशित नहीं करते। अपलोड की गई recordings प्रति फ़ाइल एक चुनी हुई source language लेती हैं। जब आपके काम में प्रमाणित या शब्दशः Cantonese record चाहिए, तो स्पष्ट controls और human review वाली सेवा का उपयोग करें।

Live Mandarin-English conversation के लिए, MirrorCaption लोग बात करते समय मूल speech को translation के साथ-साथ दिखा सकता है। यह मीटिंग के लिए उपयोगी है या नहीं, यह तय करने के लिए इसे अपने नमूने के साथ आज़माएँ; यह reviewed archival transcript का विकल्प नहीं है।

MirrorCaption को मुफ़्त आज़माएँ

एक प्रतिनिधि बातचीत पर Chinese और English captions को साथ-साथ लाइव देखें। आज़माने के लिए एक बार का एक मुफ़्त घंटा, बिना credit card के।

मुफ़्त शुरू करें

अक्सर पूछे जाने वाले प्रश्न

क्या Cantonese transcription, Mandarin जितनी सटीक होती है?

कोई एक तुलनीय accuracy number नहीं है। एक 2022 Cantonese study में दिखा कि एक मॉडल अपने ही test set पर 10.15% character error rate से दूसरे corpus पर 83.42% तक चला गया। उसी तरह का audio test करें जिसे आप transcribe करने वाले हैं।

क्या transcription software Mandarin और Cantonese को अपने-आप अलग पहचान सकता है?

Detection model और recording पर निर्भर करती है। Google Cloud Cantonese को yue-Hant-HK के रूप में सूचीबद्ध करता है; Deepgram Nova-3 इसे zh-HK के रूप में सूचीबद्ध करता है। जहाँ उपलब्ध हो, explicit variety चुनें और एक sample का परीक्षण करें।

क्या Chinese transcript Simplified या Traditional अक्षरों में आएगा?

यह service और model पर निर्भर करता है। कुछ documented language codes script को variety और region के साथ जोड़ते हैं। बड़ी batch भेजने से पहले वास्तविक output की पुष्टि करें।

Chinese और English मिश्रित meeting को tools कैसे संभालते हैं?

भाषा-switching और names वाली एक प्रतिनिधि recording का उपयोग करें। ISCSLP 2022 challenge ने अपने winning system के लिए अपने ही test set पर 16.70% mixture error rate रिपोर्ट किया, जो bilingual audio को सीधे test करने की याद दिलाता है।

क्या MirrorCaption मुझे Chinese variety और script चुनने देता है?

नहीं। MirrorCaption वर्तमान में एक Chinese language option देता है, अलग Cantonese या script controls के बिना। हम अपनी कोई Chinese accuracy benchmark प्रकाशित नहीं करते।