A transcrição em chinês é uma questão de contratação antes de ser um upload de arquivo. Pergunte qual variedade falada o modelo processa, qual escrita ele produz e se o resultado preserva a fala ou a normaliza para o chinês escrito formal. Uma única configuração de “chinês” pode deixar essas decisões implícitas.

Principais conclusões

A transcrição em chinês tem três requisitos separados

Variedade falada diz ao sistema de reconhecimento que tipo de fala esperar. Mandarim e cantonês precisam de avaliação separada; um modelo que aceita um código genérico de chinês pode não fornecer os mesmos resultados para ambos. Escrita pergunta se a saída deve usar caracteres Simplificados ou Tradicionais. Registro pergunta se uma transcrição em cantonês deve manter a redação vernacular ou soar como Chinês Escrito Padrão. Esses são requisitos distintos de entrega, mesmo quando um serviço os combina em uma única configuração.

Uma reescrita formal pode servir para notas de reunião, mas não pode servir como citação literal sem verificar a gravação. Para uma entrevista, registro jurídico ou transcrição de pesquisa, peça uma amostra que preserve a redação de que você precisa e mantenha o áudio de origem disponível para revisão.

Precisa de uma comparação mais ampla de ferramentas? Nosso guia de transcrição multilíngue compara tradução ao vivo com transcrições pós-reunião. Esta página foca nas escolhas de idioma chinês dentro do trabalho de transcrição.

O que um rótulo de benchmark de cantonês pode esconder

Uma auditoria de conjunto de dados do ACL 2025 classificou os text prompts escritos associados a subconjuntos de fala rotulados como cantonês. A Tabela 5 encontrou uma diferença acentuada entre Common Voice 17.0 yue e FLEURS yue_hk:

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

Essas porcentagens classificam os text prompts, não a variedade falada de gravações individuais. O Common Voice também tem uma pequena categoria mista omitida desta tabela.

O artigo sugere que FLEURS yue_hk pode estar rotulado incorretamente porque seus prompts usam em grande parte Chinês Escrito Padrão. Isso não estabelece que nenhum falante tenha pronunciado as gravações em cantonês. Significa que o rótulo sozinho é evidência insuficiente para uma afirmação sobre transcrição de cantonês coloquial. Pergunte se o benchmark de um fornecedor usa prompts lidos, fala conversacional ou o seu domínio-alvo.

Um estudo de conjunto de dados de cantonês do LREC 2022 separado encontrou taxa de erro de caracteres de 10.15% quando um modelo treinado em seu corpus MDCC foi testado no MDCC, mas 83.42% quando o mesmo modelo foi testado no Common Voice zh-HK. Este é um resultado para uma arquitetura e dois conjuntos de teste, não uma taxa universal de erro em cantonês. A lição prática é testar seus sotaques, microfones e estilo de fala.

Um estudo de ASR multidiáletal de 2026 também relata resultados diferentes em mandarim e em seus conjuntos de teste dialetais, mas esses números não podem ser comparados diretamente com o experimento de cantonês de 2022. Para mais informações sobre métricas de erro, veja nossa comparação de precisão de transcrição por IA.

Leia os códigos de idioma como promessas específicas do modelo

Google Cloud Speech-to-Text lista códigos incluindo cmn-Hans-CN para mandarim simplificado, cmn-Hant-TW para mandarim tradicional e yue-Hant-HK para cantonês tradicional. Esses códigos agrupam variedade, escrita e região. Quais modelos de reconhecimento suportam cada código também varia conforme a localização.

A lista de modelos da Deepgram rotula o cantonês tradicional como zh-HK para Nova-3, ao lado de opções de mandarim simplificado e tradicional. Sua lista de idiomas do Flux STT não inclui chinês. Um idioma mostrado para um modelo nunca deve ser presumido como funcional em outro.

Nenhuma lista de códigos informa se o cantonês coloquial será normalizado em prosa formal. Solicite uma amostra curta na escrita e no registro pretendidos. Se o fornecedor não puder responder à questão do registro, compare a amostra linha por linha com o áudio.

Compare o serviço, não apenas a tarifa principal

Em outubro de 2026, a página Chinese Scribe da ElevenLabs lista $0.40 por hora de áudio, enquanto a página chinesa da GoTranscript anuncia transcrição humana a partir de $1.02 por minuto. Esses são preços iniciais para escopos diferentes, não cotações equivalentes. O serviço humano anuncia suporte a mandarim e cantonês, entregáveis em Simplificado ou Tradicional e localização opcional. Verifique as tarifas atuais, os complementos e o entregável exato antes de fazer o pedido.

Os números de benchmark exigem cuidado semelhante. A comparação multilíngue conduzida pelo fornecedor da AssemblyAI apresenta uma coluna de chinês em vez de linhas separadas para mandarim e cantonês. É um retrato dos sistemas e conjuntos de dados testados, não prova de desempenho na sua entrevista em cantonês. Pergunte qual versão do modelo, subconjunto de idioma e cálculo de taxa de erro de caracteres produziram a pontuação citada.

Para alternância entre mandarim e inglês, crie também uma amostra bilíngue. O desafio ISCSLP 2022 de chinês-inglês relatou taxa de erro de mistura de 16.70% para seu sistema vencedor, contra uma linha de base do desafio de 26.50%. Esse resultado controlado não pode prever toda reunião, mas mostra por que uma demonstração monolíngue é um teste de compra incompleto.

Um teste de áudio para texto em chinês em quatro etapas

  1. Identifique a fala. Registre se a fonte é mandarim, cantonês, outra variedade ou uma mistura com inglês. Selecione um código explícito compatível quando o modelo oferecer um.
  2. Especifique a saída. Indique caracteres Simplificados ou Tradicionais e se a transcrição deve preservar a redação conversacional.
  3. Teste áudio representativo. Inclua sotaques reais, ruído de fundo, nomes e qualquer alternância de idioma. Inspecione a saída junto com a gravação.
  4. Mantenha um caminho de revisão. Salve o áudio, documente o modelo e as configurações e reserve revisão humana quando a redação exata for relevante.

Legendas ao vivo e uma transcrição arquivada têm critérios de sucesso diferentes. Veja transcrição em tempo real versus áudio gravado para essa escolha de fluxo de trabalho. Se o objetivo for texto em chinês traduzido de outro idioma falado, use um fluxo de trabalho de tradução de fala como nosso guia de tradutor de árabe para chinês.

Onde o MirrorCaption se encaixa

O MirrorCaption atualmente mostra uma opção de idioma chinês. Ele não oferece uma opção separada de cantonês nem um controle de escrita Simplificada/Tradicional, e não publicamos nenhuma taxa de erro de caracteres em chinês para o produto. As gravações enviadas usam um idioma de origem selecionado por arquivo. Use um serviço com controles explícitos e revisão humana quando seu trabalho exigir um registro cantonês certificado ou literal.

Para conversa ao vivo entre mandarim e inglês, o MirrorCaption pode mostrar a fala original ao lado de uma tradução enquanto as pessoas falam. Experimente com sua própria amostra para decidir se isso é útil para a reunião; isso não substitui uma transcrição arquivada revisada.

Experimente o MirrorCaption grátis

Veja legendas ao vivo em chinês e inglês lado a lado em uma conversa representativa. Uma hora grátis para experimentar, uma única vez, sem cartão de crédito.

Comece grátis

Perguntas frequentes

A transcrição em cantonês é tão precisa quanto a em mandarim?

Não existe um único número de precisão comparável. Um estudo de cantonês de 2022 mostrou um modelo passando de 10.15% de taxa de erro de caracteres em seu próprio conjunto de teste para 83.42% em outro corpus. Teste o mesmo tipo de áudio que você planeja transcrever.

O software de transcrição consegue distinguir automaticamente mandarim e cantonês?

A detecção depende do modelo e da gravação. O Google Cloud lista cantonês como yue-Hant-HK; o Deepgram Nova-3 lista como zh-HK. Escolha uma variedade explícita quando disponível e teste uma amostra.

Uma transcrição em chinês virá em caracteres Simplificados ou Tradicionais?

Depende do serviço e do modelo. Alguns códigos de idioma documentados agrupam a escrita com uma variedade e região. Confirme a saída real antes de enviar um lote grande.

Como as ferramentas lidam com uma reunião que mistura chinês e inglês?

Use uma gravação representativa com alternância de idioma e nomes. O desafio ISCSLP 2022 relatou taxa de erro de mistura de 16.70% para seu sistema vencedor em seu próprio conjunto de teste, o que é um lembrete para testar áudio bilíngue diretamente.

O MirrorCaption me deixa escolher a variedade e a escrita do chinês?

Não. O MirrorCaption atualmente oferece uma opção de idioma chinês, sem controles separados para cantonês ou escrita. Não publicamos nosso próprio benchmark de precisão em chinês.