Китайская транскрипция — это вопрос закупки, а не загрузки файла. Уточните, какой разговорный вариант поддерживает модель, какой письменностью она пишет и сохраняет ли результат речь или нормализует её в формальный письменный китайский. Один параметр «Chinese» может оставить эти решения неявными.

Ключевые выводы

У китайской транскрипции три отдельные задачи

Разговорный вариант сообщает системе распознавания, какую речь ожидать. Для мандаринского и кантонского нужны отдельные оценки; модель, принимающая общий китайский код, может не давать одинаковых результатов для обоих. Письменность определяет, должны ли результаты быть в упрощённых или традиционных иероглифах. Регистр определяет, должна ли кантонская транскрипция сохранять разговорные формулировки или читаться как стандартный письменный китайский. Это разные требования к результату, даже если сервис объединяет их в одном параметре.

Формальная переработка может подойти для заметок с совещания, но не может служить дословной цитатой без проверки записи. Для интервью, юридического протокола или исследовательской расшифровки попросите образец, который сохраняет нужные вам формулировки, и держите исходное аудио под рукой для проверки.

Нужен более широкий обзор инструментов? Наше руководство по многоязычной транскрипции сравнивает живой перевод с расшифровками после встречи. Эта страница сосредоточена на выборе китайского языка внутри задачи транскрипции.

Что может скрывать ярлык кантонского бенчмарка

Аудит набора данных ACL 2025 классифицировал письменные подсказки, прикреплённые к поднаборам речи с кантонской меткой. В таблице 5 он выявил резкую разницу между Common Voice 17.0 yue и FLEURS yue_hk:

Текстовые подсказкиСтандартный письменный китайскийПисьменный разговорный кантонскийБез пометки
Common Voice 17.0 yue0.1%75.7%24.1%
FLEURS yue_hk89.8%0%10.2%

Эти проценты классифицируют текстовые подсказки, а не разговорный вариант отдельных записей. У Common Voice также есть небольшая смешанная категория, не включённая в эту таблицу.

Авторы статьи предполагают, что FLEURS yue_hk может быть неверно помечен, поскольку его подсказки в основном используют стандартный письменный китайский. Это не доказывает, что ни один говорящий не произносил записи на кантонском. Это означает, что одной метки недостаточно как доказательства для утверждения о разговорной кантонской транскрипции. Уточните, использует ли бенчмарк поставщика читаемые подсказки, разговорную речь или ваш целевой домен.

Отдельное исследование кантонского набора данных LREC 2022 показало 10.15% character error rate, когда модель, обученная на корпусе MDCC, тестировали на MDCC, но 83.42%, когда ту же модель тестировали на Common Voice zh-HK. Это результат для одной архитектуры и двух тестовых наборов, а не универсальный показатель ошибки для кантонского языка. Практический вывод — тестировать свои акценты, микрофоны и стиль речи.

Исследование многодиалектного ASR 2026 также сообщает разные результаты на мандаринском и его диалектных тестовых наборах, но эти числа нельзя напрямую сравнивать с кантонским экспериментом 2022 года. Подробнее о метриках ошибок см. наше сравнение точности AI-транскрипции.

Читайте языковые коды как обещания, зависящие от модели

Google Cloud Speech-to-Text перечисляет коды, включая cmn-Hans-CN для упрощённого мандаринского, cmn-Hant-TW для традиционного мандаринского и yue-Hant-HK для традиционного кантонского. Эти коды объединяют вариант, письменность и регион. Какие модели распознавания поддерживают каждый код, также зависит от местоположения.

Список моделей Deepgram помечает традиционный кантонский как zh-HK для Nova-3, наряду с вариантами упрощённого и традиционного мандаринского. В списке языков Flux STT китайский язык отсутствует. Нельзя считать, что язык, указанный для одной модели, будет работать в другой.

Ни один список кодов не говорит, будет ли разговорный кантонский нормализован в формальную прозу. Запросите короткий образец в нужной письменности и регистре. Если поставщик не может ответить на вопрос о регистре, сравните образец построчно с аудио.

Сравнивайте сервис, а не только заявленную ставку

По состоянию на October 2026, страница Chinese Scribe от ElevenLabs указывает $0.40 за аудиочас, тогда как страница Chinese от GoTranscript рекламирует человеческую транскрипцию от $1.02 за минуту. Это стартовые цены для разных объёмов работ, а не сопоставимые предложения. Человеческий сервис заявляет поддержку мандаринского и кантонского, результаты в упрощённой или традиционной письменности и опциональную локализацию. Перед заказом проверьте актуальные тарифы, доплаты и точный формат результата.

К числам бенчмарков нужен такой же осторожный подход. Сравнение нескольких языков от AssemblyAI, проведённое вендором, показывает один столбец для китайского вместо отдельных строк для мандаринского и кантонского. Это снимок протестированных систем и наборов данных, а не доказательство работы на вашем кантонском интервью. Уточните, какая версия модели, какой языковой поднабор и какой расчёт character error rate дали указанную оценку.

Для переключения между мандаринским и английским тоже подготовьте двуязычный образец. ISCSLP 2022 Chinese-English challenge сообщил о 16.70% mixture error rate для победившей системы против 26.50% у базовой версии конкурса. Этот контролируемый результат не может предсказать каждую встречу, но он показывает, почему моноязычная демонстрация — неполная закупочная проверка.

Четырёхшаговый тест китайского аудио в текст

  1. Определите речь. Зафиксируйте, является ли источник мандаринским, кантонским, другим вариантом или смешанным с английским. Выберите явный поддерживаемый код, если модель его предлагает.
  2. Уточните результат. Укажите упрощённые или традиционные иероглифы и должен ли текст сохранять разговорные формулировки.
  3. Проверьте репрезентативное аудио. Включите реальные акценты, фоновый шум, имена и любое переключение языков. Сверьте результат с записью.
  4. Сохраните путь для проверки. Сохраните аудио, задокументируйте модель и настройки и заложите человеческую проверку, когда точность формулировок важна.

Живые субтитры и архивная расшифровка имеют разные критерии успеха. См. транскрипцию в реальном времени и по записанному аудио для выбора этого рабочего процесса. Если цель — китайский текст, переведённый из другого устного языка, используйте рабочий процесс речевого перевода, например наше руководство по переводу с арабского на китайский.

Где здесь подходит MirrorCaption

В MirrorCaption сейчас доступен один вариант китайского языка. Отдельного варианта кантонского или управления упрощённой/традиционной письменностью нет, и мы не публикуем для продукта показатель character error rate по китайскому языку. Загружаемые записи принимают один выбранный исходный язык на файл. Используйте сервис с явными настройками и человеческой проверкой, если ваша задача требует заверенной или дословной кантонской записи.

Для живого разговора на мандаринском и английском MirrorCaption может показывать исходную речь рядом с переводом, пока люди говорят. Попробуйте на своём образце, чтобы понять, полезно ли это для встречи; это не заменяет проверенную архивную расшифровку.

Попробуйте MirrorCaption бесплатно

Посмотрите живые китайские и английские субтитры рядом друг с другом на репрезентативном разговоре. Один бесплатный час для пробы, один раз, без кредитной карты.

Начать бесплатно

Часто задаваемые вопросы

Насколько точна транскрипция кантонского по сравнению с мандаринским?

Единого сопоставимого числа точности нет. Исследование кантонского языка 2022 года показало, как одна модель изменилась с 10.15% character error rate на собственном тестовом наборе до 83.42% на другом корпусе. Тестируйте тот же тип аудио, который планируете расшифровывать.

Может ли программа транскрипции автоматически различать мандаринский и кантонский?

Обнаружение зависит от модели и записи. Google Cloud указывает кантонский как yue-Hant-HK; Deepgram Nova-3 указывает его как zh-HK. По возможности выбирайте явный вариант и тестируйте образец.

Вернётся ли китайская транскрипция в упрощённых или традиционных иероглифах?

Это зависит от сервиса и модели. Некоторые документированные языковые коды объединяют письменность с вариантом и регионом. Подтвердите фактический результат перед отправкой большого пакета.

Как инструменты обрабатывают встречу, где смешаны китайский и английский?

Используйте репрезентативную запись с переключением языков и именами. ISCSLP 2022 challenge сообщил о 16.70% mixture error rate для победившей системы на собственном тестовом наборе, что напоминает о необходимости напрямую тестировать двуязычное аудио.

Позволяет ли MirrorCaption выбрать вариант китайского языка и письменность?

Нет. В MirrorCaption сейчас есть один вариант китайского языка, без отдельных настроек кантонского или письменности. Мы не публикуем собственный бенчмарк точности по китайскому языку.