A kínai átírás beszerzési kérdés, mielőtt fájlfeltöltés lenne. Kérdezd meg, melyik beszélt változatot kezeli a modell, melyik írásrendszerben írja le, és hogy az eredmény megőrzi-e a beszédet, vagy formális írott kínaivá normalizálja. Egyetlen „kínai” beállítás ezeket a döntéseket implicit módon hagyhatja.

Fő tanulságok

A kínai átírásnak három külön követelménye van

A beszélt változat megmondja a felismerő rendszernek, milyen beszédre számítson. A mandarin és a kantoni külön értékelést igényel; egy olyan modell, amely elfogad egy általános kínai kódot, nem feltétlenül adja ugyanazt az eredményt mindkettőre. Az írásrendszer azt kérdezi, hogy a kimenet egyszerűsített vagy hagyományos karaktereket használjon-e. A regiszter azt kérdezi, hogy egy kantoni átirat megtartsa-e a köznyelvi megfogalmazást, vagy úgy olvasható legyen, mint a Standard Written Chinese. Ezek különálló teljesítési követelmények, még akkor is, ha egy szolgáltatás egyetlen beállításban egyesíti őket.

Egy formális átfogalmazás megfelelhet a megbeszélési jegyzetekhez, de szó szerinti idézetként nem használható a felvétel ellenőrzése nélkül. Interjúhoz, jogi jegyzőkönyvhöz vagy kutatási átirathoz kérj olyan mintát, amely megőrzi a szükséges megfogalmazást, és tartsd elérhetőn az eredeti hanganyagot ellenőrzésre.

Szélesebb eszközösszehasonlításra van szükséged? A többnyelvű átírási útmutatónk az élő fordítást hasonlítja össze az értekezlet utáni átiratokkal. Ez az oldal a kínai nyelvi választásokra összpontosít az átírási feladaton belül.

Mit rejthet el egy kantoni benchmark címke

Egy ACL 2025-ös adathalmaz-audit a kantoni címkével ellátott beszédalhalmazokhoz kapcsolt írott promptokat osztályozta. Az 5. táblázat éles különbséget talált a Common Voice 17.0 yue és a FLEURS yue_hk között:

Szöveges promptokStandard Written ChineseÍrott köznyelvi kantoniJelöletlen
Common Voice 17.0 yue0.1%75.7%24.1%
FLEURS yue_hk89.8%0%10.2%

Ezek a százalékok a szöveges promptokat osztályozzák, nem az egyes felvételek beszélt változatát. A Common Voice-nak van egy kis vegyes kategóriája is, amelyet ebben a táblázatban nem tüntettünk fel.

A tanulmány azt sugallja, hogy a FLEURS yue_hk esetleg hibásan van címkézve, mert a promptjai nagyrészt Standard Written Chinese-t használnak. Ez nem bizonyítja, hogy egyetlen beszélő sem kantoniul ejtette ki a felvételeket. Azt jelenti, hogy a címke önmagában nem elegendő bizonyíték egy köznyelvi kantoni átírásra vonatkozó állításhoz. Kérdezd meg, hogy a szolgáltató benchmarkja felolvasott promptokat, beszélgetéses beszédet vagy a célterületedet használja-e.

Egy külön LREC 2022-es kantoni adathalmaz-tanulmány 10.15% karakterhibaarányt talált, amikor az MDCC korpuszán tanított modellt MDCC-n tesztelték, de 83.42%-ot, amikor ugyanazt a modellt a Common Voice zh-HK-n tesztelték. Ez egyetlen architektúra és két teszthalmaz eredménye, nem egy univerzális kantoni hibaarány. A gyakorlati tanulság: teszteld a saját akcentusaidat, mikrofonjaidat és beszédstílusodat.

Egy 2026-os többdialektusú ASR-tanulmány szintén eltérő eredményeket közöl mandarinra és annak dialektustesztkészleteire, de ezek a számok nem hasonlíthatók közvetlenül a 2022-es kantoni kísérlethez. A hibametrikákról bővebben lásd az AI átírási pontosság összehasonlítása című anyagunkat.

Olvasd a nyelvkódokat modellfüggő ígéretekként

A Google Cloud Speech-to-Text olyan kódokat sorol fel, mint a cmn-Hans-CN az egyszerűsített mandarinra, a cmn-Hant-TW a hagyományos mandarinra és a yue-Hant-HK a hagyományos kantonira. Ezek a kódok egyesítik a változatot, az írásrendszert és a régiót. Az is változó, hogy mely felismerő modellek támogatják az egyes kódokat, helytől függően.

A Deepgram modell-listája a kantoni hagyományos változatot a Nova-3 esetében zh-HK jelöléssel adja meg, az egyszerűsített és hagyományos mandarin opciók mellett. A Flux STT nyelvlistája nem tartalmaz kínait. Amit az egyik modellnél látsz, arról soha ne feltételezd, hogy egy másikban is működik.

Egyik kódlista sem mondja meg, hogy a köznyelvi kantoni formális prózává lesz-e normalizálva. Kérj egy rövid mintát a kívánt írásrendszerben és regiszterben. Ha a szolgáltató nem tud válaszolni a regiszter kérdésére, hasonlítsd össze a mintát soronként a hanganyaggal.

Ne csak a hirdetett díjat hasonlítsd össze

2026 októberében az ElevenLabs Chinese Scribe oldalán $0.40 szerepel hangóránként, míg a GoTranscript kínai oldala emberi átírást hirdet $1.02 per perc ártól. Ezek különböző terjedelmű szolgáltatások kezdőárai, nem egyenértékű ajánlatok. Az emberi szolgáltatás mandarin és kantoni kezelést, egyszerűsített vagy hagyományos kimenetet, valamint opcionális lokalizációt hirdet. Megrendelés előtt ellenőrizd az aktuális díjakat, a kiegészítőket és a pontos teljesítést.

A benchmarkszámoknál hasonló óvatosság kell. Az AssemblyAI szolgáltató által futtatott többnyelvű összehasonlítása egyetlen kínai oszlopot mutat, nem külön mandarin és kantoni sorokat. Ez a tesztelt rendszerek és adathalmazok pillanatfelvétele, nem bizonyíték a te kantoni interjúdon nyújtott teljesítményre. Kérdezd meg, melyik modellverzió, nyelvi részhalmaz és karakterhibaarány-számítás eredményezte az idézett pontszámot.

Mandarin–angol váltáshoz készíts kétnyelvű mintát is. Az ISCSLP 2022 kínai–angol kihívás 16.70% keverési hibaarányt jelentett a győztes rendszerre, szemben a 26.50% kihívás-alappal. Ez a kontrollált eredmény nem jósol meg minden megbeszélést, de megmutatja, miért hiányos egy egynyelvű demó beszerzési tesztként.

Négy lépéses kínai hangból szöveg teszt

  1. Azonosítsd a beszédet. Rögzítsd, hogy a forrás mandarin, kantoni, más változat, vagy angollal kevert. Válassz egy egyértelműen támogatott kódot, ahol a modell kínál ilyet.
  2. Határozd meg a kimenetet. Add meg, hogy egyszerűsített vagy hagyományos karakterek kellenek-e, és hogy az átiratnak meg kell-e őriznie a beszélgetéses megfogalmazást.
  3. Tesztelj reprezentatív hanganyagot. Tartalmazzon valódi akcentusokat, háttérzajt, neveket és bármilyen nyelvváltást. Ellenőrizd a kimenetet a felvétel mellett.
  4. Tarts fenn egy ellenőrzési utat. Mentsd el a hanganyagot, dokumentáld a modellt és a beállításokat, és számolj emberi ellenőrzéssel, ha a pontos megfogalmazás lényeges.

Az élő felirat és az archiválási átirat eltérő siker-kritériumokkal rendelkezik. A munkafolyamat-választásról lásd a valós idejű és a rögzített hanganyagból készült átírás című anyagot. Ha a cél egy másik beszélt nyelvből fordított kínai szöveg, használj beszédfordítási munkafolyamatot, például az arab–kínai fordító útmutatónkat.

Hol illeszkedik a MirrorCaption

A MirrorCaption jelenleg egyetlen kínai nyelvi opciót mutat. Nem kínál külön kantoni opciót vagy egyszerűsített/hagyományos írásrendszer-vezérlést, és a termékre nem teszünk közzé kínai karakterhibaarányt. A feltöltött felvételek fájlonként egy kiválasztott forrásnyelvet kapnak. Olyan szolgáltatást használj explicit vezérlőkkel és emberi ellenőrzéssel, ha a feladatod hitelesített vagy szó szerinti kantoni jegyzőkönyvet igényel.

Élő mandarin–angol beszélgetésnél a MirrorCaption a beszédet és a fordítást egymás mellett mutathatja, miközben az emberek beszélnek. Próbáld ki a saját mintáddal, hogy eldöntsd, hasznos-e ez a megbeszéléshez; ez nem helyettesíti az ellenőrzött archiválási átiratot.

Próbáld ki a MirrorCaptiont ingyen

Lásd az élő kínai és angol feliratokat egymás mellett egy reprezentatív beszélgetésen. Egy ingyenes óra kipróbálásra, egyszeri alkalommal, bankkártya nélkül.

Kezdés ingyen

Gyakran ismételt kérdések

A kantoni átírás ugyanolyan pontos, mint a mandarin?

Nincs egyetlen összehasonlítható pontossági szám. Egy 2022-es kantoni tanulmány azt mutatta, hogy egy modell a saját teszthalmazán 10.15% karakterhibaarányról 83.42%-ra romlott egy másik korpuszon. Ugyanazt a típusú hanganyagot teszteld, amelyet átírni tervezel.

Tudja az átíró szoftver automatikusan megkülönböztetni a mandarin és a kantoni nyelvet?

A felismerés a modelltől és a felvételtől függ. A Google Cloud a kantonit yue-Hant-HK kóddal sorolja fel; a Deepgram Nova-3 zh-HK jelöléssel adja meg. Válassz explicit változatot, ha elérhető, és tesztelj egy mintát.

Egy kínai átirat egyszerűsített vagy hagyományos karakterekkel jön vissza?

Ez a szolgáltatástól és a modelltől függ. Egyes dokumentált nyelvkódok az írásrendszert a változattal és a régióval együtt csomagolják. Nagy köteg beküldése előtt erősítsd meg a tényleges kimenetet.

Hogyan kezelik az eszközök azt a megbeszélést, amelyben kínai és angol keveredik?

Használj reprezentatív felvételt nyelvváltásokkal és nevekkel. Az ISCSLP 2022 kihívás 16.70% keverési hibaarányt jelentett a győztes rendszerre a saját teszthalmazán, ami emlékeztet arra, hogy a kétnyelvű hanganyagot közvetlenül kell tesztelni.

A MirrorCaptionban kiválaszthatom a kínai változatot és az írásrendszert?

Nem. A MirrorCaption jelenleg egyetlen kínai nyelvi opciót kínál, külön kantoni vagy írásrendszer-vezérlés nélkül. Nem teszünk közzé saját kínai pontossági benchmarkot.