中国語の文字起こしは、ファイルをアップロードする前に調達の問題です。モデルがどの話し言葉の変種を扱うのか、どの文字体系で出力するのか、そして結果が話し言葉をそのまま残すのか、それとも正式な書き言葉の中国語に正規化するのかを確認してください。「中国語」という1つの設定だけでは、これらの判断が暗黙のまま残ることがあります。

要点

中国語の文字起こしには3つの個別要件があります

話し言葉の変種は、認識システムにどのような発話を想定すべきかを伝えます。標準中国語と広東語は別々に評価する必要があり、汎用の中国語コードを受け付けるモデルでも、両方で同じ結果が得られるとは限りません。文字体系は、出力を簡体字にするか繁体字にするかを問います。レジスターは、広東語の文字起こしが口語的な表現を保つべきか、それとも標準書き言葉中国語のように読めるべきかを問います。これらは、サービスが1つの設定にまとめていても、別々の納品要件です。

正式な書き換えは会議メモには適していても、録音を確認せずに逐語引用として使うことはできません。インタビュー、法的記録、研究用の文字起こしでは、必要な表現を保ったサンプルを求め、確認用に元の音声を手元に残してください。

より広いツール比較が必要ですか? 私たちの 多言語文字起こしガイド では、ライブ翻訳と会議後の文字起こしを比較しています。このページでは、文字起こしジョブ内での中国語の選択に焦点を当てています。

広東語ベンチマークのラベルが隠しているもの

ACL 2025のデータセット監査は、広東語ラベル付き音声サブセットに付随する書き起こしプロンプトを分類しました。Table 5では、Common Voice 17.0 yue と FLEURS yue_hk の間に大きな差があることが示されました。

テキストプロンプト標準書き言葉中国語書き言葉の広東語口語未指定
Common Voice 17.0 yue0.1%75.7%24.1%
FLEURS yue_hk89.8%0%10.2%

これらの割合は、個々の録音の話し言葉の変種ではなく、テキストプロンプトを分類したものです。Common Voice には、この表には省略した小さな混在カテゴリもあります。

この論文は、FLEURS yue_hk のプロンプトが主に標準書き言葉中国語を使っているため、ラベルが誤っている可能性があると示唆しています。しかし、それは録音を広東語で発話した話者がいないことを証明するものではありません。つまり、そのラベルだけでは、口語広東語の文字起こしに関する主張の十分な証拠にはならないということです。ベンダーのベンチマークが、読み上げプロンプト、会話音声、あるいはあなたの対象ドメインのどれを使っているのかを確認してください。

別のLREC 2022の広東語データセット研究では、MDCCコーパスで学習したモデルをMDCCでテストした場合の文字誤り率は10.15%でしたが、同じモデルを Common Voice zh-HK でテストした場合は83.42%でした。これは1つのアーキテクチャと2つのテストセットに関する結果であり、広東語全般の誤り率ではありません。実務上の教訓は、あなたのアクセント、マイク、話し方をテストすることです。

2026年の多方言ASR研究でも、標準中国語とその方言テストセットで異なる結果が報告されていますが、それらの数値を2022年の広東語実験と直接比較することはできません。誤り指標の詳細については、私たちのAI文字起こし精度比較をご覧ください。

言語コードはモデル固有の約束として読む

Google Cloud Speech-to-Text には、簡体字中国語の cmn-Hans-CN、繁体字中国語の cmn-Hant-TW、繁体字広東語の yue-Hant-HK などのコードが掲載されています。これらのコードは、変種、文字体系、地域をまとめています。どの認識モデルが各コードをサポートするかも、場所によって異なります。

Deepgramのモデル一覧では、Nova-3 の広東語繁体字が zh-HK として示されており、簡体字・繁体字の標準中国語オプションもあります。Flux STT の言語一覧には中国語が含まれていません。あるモデルで表示される言語が、別のモデルでも使えると決めつけてはいけません。

どちらのコード一覧にも、口語広東語が正式な散文に正規化されるかどうかは書かれていません。意図した文字体系とレジスターで短いサンプルを依頼してください。提供元がレジスターの質問に答えられない場合は、サンプルを音声と行ごとに照合してください。

見出しの料金だけでなく、サービス全体を比較する

2026年10月時点で、ElevenLabsのChinese Scribeページは音声1時間あたり$0.40を掲載しており、GoTranscriptの中国語ページは人手による文字起こしを1分あたり$1.02からと案内しています。これらは異なる範囲の開始価格であり、同等の見積もりではありません。人手サービスは、標準中国語と広東語の対応、簡体字または繁体字の納品物、オプションのローカライズを案内しています。注文前に、現在の料金、追加オプション、正確な納品物を確認してください。

ベンチマーク数値にも同様の注意が必要です。AssemblyAIのベンダー実施の多言語比較では、標準中国語と広東語を別行に分けず、1つの中国語列として示しています。これは、テストされたシステムとデータセットのスナップショットであり、あなたの広東語インタビューでの性能を証明するものではありません。引用されたスコアを出したモデルのバージョン、言語サブセット、文字誤り率の計算方法を確認してください。

標準中国語と英語の切り替えについても、バイリンガルのサンプルを用意してください。ISCSLP 2022の中国語-英語チャレンジでは、優勝システムの混在誤り率は16.70%で、チャレンジのベースラインは26.50%でした。この管理された結果はすべての会議を予測するものではありませんが、単言語のデモが不完全な購買テストである理由を示しています。

中国語音声からテキストへの4ステップテスト

  1. 発話を特定する。 元の音声が標準中国語か、広東語か、別の変種か、あるいは英語が混ざっているかを記録します。モデルが明示的な対応コードを提供している場合は、それを選択してください。
  2. 出力を指定する。 簡体字か繁体字か、また文字起こしが会話的な表現を保持する必要があるかを明記します。
  3. 代表的な音声でテストする。 実際のアクセント、背景ノイズ、人名、言語の切り替えを含めます。録音と並べて出力を確認してください。
  4. 確認の導線を残す。 音声を保存し、モデルと設定を記録し、正確な表現が重要な場合は人手確認の予算を確保します。

ライブ字幕とアーカイブ用文字起こしでは、成功基準が異なります。そのワークフローの選択については、リアルタイム文字起こしと録音音声文字起こしの比較をご覧ください。目的が別の話し言葉から翻訳された中国語テキストであれば、アラビア語から中国語への翻訳ガイドのような音声翻訳ワークフローを使ってください。

MirrorCaption の位置づけ

MirrorCaption は現在、1つの中国語オプションを表示しています。広東語の個別オプションや簡体字/繁体字の制御はなく、製品の中国語文字誤り率も公開していません。アップロードされた録音は、ファイルごとに1つの選択した元言語を使用します。認証済みまたは逐語的な広東語記録が必要な場合は、明示的な制御と人手確認のあるサービスを使ってください。

ライブの標準中国語-英語会話では、MirrorCaption は人々が話している間に、元の発話を翻訳の横に表示できます。会議に役立つかどうかを判断するために、ご自身のサンプルで試してください。ただし、確認済みのアーカイブ用文字起こしの代わりにはなりません。

MirrorCaptionを無料で試す

代表的な会話で、中国語と英語のライブ字幕を並べて表示できます。1回限り、1時間無料。クレジットカードは不要です。

無料で始める

よくある質問

広東語の文字起こしは標準中国語と同じくらい正確ですか?

比較できる単一の精度数値はありません。2022年の広東語研究では、あるモデルが自分のテストセットでの文字誤り率10.15%から、別のコーパスでは83.42%へと変化しました。文字起こししたいのと同じ種類の音声でテストしてください。

文字起こしソフトは標準中国語と広東語を自動で見分けられますか?

検出はモデルと録音に依存します。Google Cloud は広東語を yue-Hant-HK として掲載しており、Deepgram Nova-3 は zh-HK として掲載しています。利用可能なら明示的な変種を選び、サンプルをテストしてください。

中国語の文字起こしは簡体字と繁体字のどちらで返ってきますか?

それはサービスとモデルによります。文書化された言語コードの中には、変種と地域に文字体系が組み合わされているものがあります。大量送信の前に、実際の出力を確認してください。

中国語と英語が混ざる会議は、ツールでどう処理されますか?

言語の切り替えや人名を含む代表的な録音を使ってください。ISCSLP 2022チャレンジでは、自身のテストセット上で優勝システムの混在誤り率が16.70%と報告されており、バイリンガル音声を直接テストすべきだという注意喚起になります。

MirrorCaption では中国語の変種と文字体系を選べますか?

いいえ。MirrorCaption は現在、広東語や文字体系を個別に制御できない1つの中国語オプションを提供しています。私たちは独自の中国語精度ベンチマークを公開していません。