Transkrypcja chińskiego to najpierw kwestia zakupowa, a dopiero potem przesyłanie pliku. Zapytaj, jaką odmianę mówioną obsługuje model, jakim pismem zapisuje tekst i czy wynik zachowuje mowę, czy normalizuje ją do formalnego chińskiego pisanego. Jedno ustawienie „Chinese” może pozostawić te decyzje domyślne.

Najważniejsze wnioski

Transkrypcja chińskiego ma trzy odrębne wymagania

Odmiana mówiona mówi systemowi rozpoznawania, jakiej mowy ma się spodziewać. Mandaryński i kantoński wymagają osobnej oceny; model akceptujący ogólny kod chińskiego może nie dawać takich samych wyników dla obu. Pismo określa, czy wynik ma używać znaków uproszczonych, czy tradycyjnych. Rejestr pyta, czy transkrypcja kantońska ma zachować potoczne sformułowania, czy brzmieć jak standardowy chiński pisany. To odrębne wymagania dotyczące rezultatu, nawet jeśli usługa łączy je w jednym ustawieniu.

Formalna redakcja może pasować do notatek ze spotkania, ale nie może służyć jako dosłowny cytat bez sprawdzenia nagrania. W przypadku wywiadu, zapisu prawnego lub transkrypcji badawczej poproś o próbkę, która zachowuje potrzebne sformułowania, i trzymaj źródłowe audio do wglądu.

Potrzebujesz szerszego porównania narzędzi? Nasz przewodnik po transkrypcji wielojęzycznej porównuje tłumaczenie na żywo z transkryptami po spotkaniu. Ta strona skupia się na wyborach języka chińskiego w ramach zadania transkrypcji.

Co może ukrywać etykieta benchmarku kantońskiego

Audyt zbioru danych ACL 2025 sklasyfikował pisemne prompty dołączone do podzbiorów mowy oznaczonych jako kantońskie. Tabela 5 wykazała wyraźną różnicę między Common Voice 17.0 yue a FLEURS yue_hk:

Prompty tekstoweStandardowy chiński pisanyKantoński pisany potocznyNieoznaczone
Common Voice 17.0 yue0.1%75.7%24.1%
FLEURS yue_hk89.8%0%10.2%

Te procenty klasyfikują prompty tekstowe, a nie odmianę mówioną poszczególnych nagrań. Common Voice ma też niewielką kategorię mieszaną, pominiętą w tej tabeli.

Artykuł sugeruje, że FLEURS yue_hk może być błędnie oznaczony, ponieważ jego prompty w dużej mierze używają standardowego chińskiego pisanego. To nie dowodzi, że żaden mówca nie wypowiedział nagrań po kantońsku. Oznacza to, że sama etykieta nie wystarcza jako dowód dla twierdzenia o potocznej transkrypcji kantońskiej. Zapytaj, czy benchmark dostawcy używa promptów czytanych, mowy konwersacyjnej czy Twojej docelowej domeny.

Osobne badanie zbioru danych kantońskich LREC 2022 wykazało 10.15% współczynnika błędu znaków, gdy model trenowany na korpusie MDCC testowano na MDCC, ale 83.42%, gdy ten sam model testowano na Common Voice zh-HK. To wynik dla jednej architektury i dwóch zbiorów testowych, a nie uniwersalny współczynnik błędu dla kantońskiego. Praktyczna lekcja jest taka, by testować własne akcenty, mikrofony i styl mówienia.

Badanie ASR dla wielu dialektów z 2026 roku również podaje różne wyniki dla mandaryńskiego i jego zbiorów testowych dialektalnych, ale tych liczb nie da się bezpośrednio porównać z eksperymentem kantońskim z 2022 roku. Więcej o metrykach błędu znajdziesz w naszym porównaniu dokładności transkrypcji AI.

Czytaj kody językowe jako obietnice zależne od modelu

Google Cloud Speech-to-Text wymienia kody, w tym cmn-Hans-CN dla uproszczonego mandaryńskiego, cmn-Hant-TW dla tradycyjnego mandaryńskiego i yue-Hant-HK dla tradycyjnego kantońskiego. Kody te łączą odmianę, pismo i region. To, które modele rozpoznawania obsługują dany kod, również zależy od lokalizacji.

Lista modeli Deepgram oznacza kantoński tradycyjny jako zh-HK dla Nova-3, obok opcji mandaryńskiego uproszczonego i tradycyjnego. Jego lista języków dla Flux STT nie zawiera chińskiego. Nie wolno zakładać, że język pokazany dla jednego modelu zadziała w innym.

Żadna z list kodów nie mówi, czy potoczny kantoński zostanie znormalizowany do formalnej prozy. Poproś o krótką próbkę w docelowym piśmie i rejestrze. Jeśli dostawca nie potrafi odpowiedzieć na pytanie o rejestr, porównaj próbkę linia po linii z audio.

Porównuj usługę, nie tylko stawkę nagłówkową

Na październik 2026, strona Chinese Scribe firmy ElevenLabs podaje $0.40 za godzinę audio, podczas gdy strona chińska GoTranscript reklamuje transkrypcję ludzką od $1.02 za minutę. To ceny początkowe dla różnych zakresów, a nie równoważne wyceny. Usługa ludzka reklamuje obsługę mandaryńskiego i kantońskiego, rezultaty w piśmie uproszczonym lub tradycyjnym oraz opcjonalną lokalizację. Przed zamówieniem zweryfikuj aktualne stawki, dodatki i dokładny rezultat.

Wyniki benchmarków wymagają podobnej ostrożności. Porównanie wielojęzyczne prowadzone przez dostawcę AssemblyAI pokazuje jedną kolumnę chińską zamiast osobnych wierszy dla mandaryńskiego i kantońskiego. To migawka testowanych systemów i zbiorów danych, a nie dowód wydajności na Twoim kantońskim wywiadzie. Zapytaj, jaka wersja modelu, podzbiór językowy i sposób obliczania współczynnika błędu znaków dały podany wynik.

W przypadku przełączania między mandaryńskim a angielskim przygotuj też próbkę dwujęzyczną. Wyzwanie ISCSLP 2022 Chinese-English podało 16.70% współczynnika błędu mieszania dla zwycięskiego systemu wobec 26.50% bazowego poziomu wyzwania. Ten kontrolowany wynik nie przewidzi każdego spotkania, ale pokazuje, dlaczego monojęzyczne demo jest niepełnym testem zakupowym.

Czterostopniowy test chińskiego audio na tekst

  1. Zidentyfikuj mowę. Zapisz, czy źródło jest mandaryńskie, kantońskie, w innej odmianie, czy mieszane z angielskim. Wybierz jawny obsługiwany kod, jeśli model taki oferuje.
  2. Określ wynik. Podaj znaki uproszczone lub tradycyjne oraz to, czy transkrypcja ma zachować potoczne sformułowania.
  3. Przetestuj reprezentatywne audio. Uwzględnij rzeczywiste akcenty, szum tła, nazwy i wszelkie przełączanie języków. Sprawdź wynik razem z nagraniem.
  4. Zachowaj ścieżkę weryfikacji. Zapisz audio, udokumentuj model i ustawienia oraz uwzględnij ręczną weryfikację, gdy dokładne brzmienie ma znaczenie.

Napisy na żywo i transkrypt archiwalny mają różne kryteria sukcesu. Zobacz transkrypcję w czasie rzeczywistym a transkrypcję z nagrania, aby wybrać odpowiedni workflow. Jeśli celem jest chiński tekst przetłumaczony z innego języka mówionego, użyj workflow tłumaczenia mowy, takiego jak nasz przewodnik po tłumaczu z arabskiego na chiński.

Gdzie pasuje MirrorCaption

MirrorCaption obecnie pokazuje jedną opcję języka chińskiego. Nie oferuje osobnej opcji kantońskiej ani kontroli pisma uproszczonego/tradycyjnego, a dla produktu nie publikujemy współczynnika błędu znaków dla chińskiego. Przesyłane nagrania przyjmują jeden wybrany język źródłowy na plik. Użyj usługi z jawnymi kontrolkami i ludzką weryfikacją, gdy Twoje zadanie wymaga certyfikowanego lub dosłownego zapisu kantońskiego.

W przypadku rozmowy mandaryńsko-angielskiej na żywo MirrorCaption może pokazać oryginalną mowę obok tłumaczenia, gdy ludzie rozmawiają. Wypróbuj to na własnej próbce, aby zdecydować, czy będzie to przydatne na spotkaniu; nie zastępuje to zweryfikowanego transkryptu archiwalnego.

Wypróbuj MirrorCaption za darmo

Zobacz napisy chińskie i angielskie obok siebie na reprezentatywnej rozmowie na żywo. Jedna darmowa godzina na próbę, jednorazowo, bez karty kredytowej.

Rozpocznij za darmo

Często zadawane pytania

Czy transkrypcja kantońska jest tak dokładna jak mandaryńska?

Nie ma jednej porównywalnej liczby dokładności. Badanie kantońskie z 2022 roku pokazało, że jeden model przeszedł z 10.15% współczynnika błędu znaków na własnym zbiorze testowym do 83.42% na innym korpusie. Testuj ten sam rodzaj audio, który planujesz transkrybować.

Czy oprogramowanie do transkrypcji potrafi automatycznie odróżnić mandaryński od kantońskiego?

Wykrywanie zależy od modelu i nagrania. Google Cloud wymienia kantoński jako yue-Hant-HK; Deepgram Nova-3 wymienia go jako zh-HK. Wybierz jawnie określoną odmianę, jeśli jest dostępna, i przetestuj próbkę.

Czy chińska transkrypcja będzie w znakach uproszczonych czy tradycyjnych?

To zależy od usługi i modelu. Niektóre udokumentowane kody językowe łączą pismo z odmianą i regionem. Potwierdź rzeczywisty wynik przed wysłaniem dużej partii.

Jak narzędzia radzą sobie ze spotkaniem, w którym miesza się chiński i angielski?

Użyj reprezentatywnego nagrania z przełączaniem języków i nazwami. Wyzwanie ISCSLP 2022 podało 16.70% współczynnika błędu mieszania dla zwycięskiego systemu na własnym zbiorze testowym, co przypomina, by bezpośrednio testować dwujęzyczne audio.

Czy MirrorCaption pozwala mi wybrać odmianę i pismo chińskiego?

Nie. MirrorCaption obecnie oferuje jedną opcję języka chińskiego, bez osobnych kontrolek kantońskich ani kontroli pisma. Nie publikujemy własnego benchmarku dokładności dla chińskiego.