Китайська транскрипція — це питання закупівлі ще до того, як це стане завантаженням файлу. Запитайте, який розмовний різновид підтримує модель, якою писемністю вона пише, і чи зберігає результат мовлення, чи нормалізує його до формальної писемної китайської. Один параметр «Chinese» може залишити ці рішення неявними.

Ключові висновки

Китайська транскрипція має три окремі вимоги

Розмовний різновид підказує системі розпізнавання, якої мови очікувати. Мандарин і кантонська потребують окремого оцінювання; модель, що приймає загальний китайський код, може не давати однакових результатів для обох. Писемність визначає, чи має вихід використовувати спрощені або традиційні ієрогліфи. Реєстр визначає, чи має кантонська транскрипція зберігати розмовні формулювання, чи читатися як стандартна писемна китайська. Це різні вимоги до результату, навіть якщо сервіс об’єднує їх в одному налаштуванні.

Формальне переписування може підійти для нотаток із зустрічі, але не може слугувати дослівною цитатою без перевірки запису. Для інтерв’ю, юридичного запису або дослідницької транскрипції попросіть зразок, який зберігає потрібне вам формулювання, і тримайте вихідне аудіо доступним для перевірки.

Потрібне ширше порівняння інструментів? Наш посібник із багатомовної транскрипції порівнює живий переклад із транскриптами після зустрічі. Ця сторінка зосереджена на виборі китайської мови в межах завдання транскрипції.

Що може приховувати ярлик кантонського бенчмарку

Аудит набору даних ACL 2025 класифікував письмові підказки, прикріплені до піднаборів мовлення з міткою кантонської мови. Його Table 5 показала різку різницю між Common Voice 17.0 yue і FLEURS yue_hk:

Текстові підказкиСтандартна писемна китайськаПисемна розмовна кантонськаБез позначки
Common Voice 17.0 yue0.1%75.7%24.1%
FLEURS yue_hk89.8%0%10.2%

Ці відсотки класифікують текстові підказки, а не розмовний різновид окремих записів. Common Voice також має невелику змішану категорію, яку не включено до цієї таблиці.

У статті припускається, що FLEURS yue_hk може бути неправильно позначений, оскільки його підказки переважно використовують стандартну писемну китайську. Це не доводить, що жоден спікер не вимовляв записи кантонською. Це означає, що самої мітки недостатньо як доказу для твердження про розмовну кантонську транскрипцію. Запитайте, чи використовує бенчмарк постачальника читані підказки, розмовне мовлення або ваш цільовий домен.

Окреме дослідження кантонського набору даних LREC 2022 показало 10.15% character error rate, коли модель, навчена на своєму корпусі MDCC, тестували на MDCC, але 83.42%, коли ту саму модель тестували на Common Voice zh-HK. Це результат для однієї архітектури та двох тестових наборів, а не універсальний рівень помилки для кантонської. Практичний висновок — тестуйте свої акценти, мікрофони та стиль мовлення.

Дослідження багатодіалектного ASR 2026 так само повідомляє про різні результати на мандарині та його діалектних тестових наборах, але ці числа не можна прямо порівнювати з кантонським експериментом 2022 року. Докладніше про метрики помилок дивіться наше порівняння точності AI-транскрипції.

Читайте мовні коди як обіцянки, специфічні для моделі

Google Cloud Speech-to-Text перелічує коди, зокрема cmn-Hans-CN для спрощеного мандарину, cmn-Hant-TW для традиційного мандарину та yue-Hant-HK для традиційної кантонської. Ці коди поєднують різновид, писемність і регіон. Те, які моделі розпізнавання підтримують кожен код, також залежить від місця.

Список моделей Deepgram позначає традиційну кантонську як zh-HK для Nova-3, поряд із варіантами спрощеного та традиційного мандарину. Його список мов Flux STT не містить китайської. Мову, показану для однієї моделі, ніколи не слід вважати придатною для іншої.

Жоден список кодів не підкаже, чи буде розмовна кантонська нормалізована до формальної прози. Попросіть короткий зразок у потрібній писемності та реєстрі. Якщо постачальник не може відповісти на питання про реєстр, порівняйте зразок рядок за рядком з аудіо.

Порівнюйте сервіс, а не лише загальну ставку

Станом на October 2026, сторінка Chinese Scribe від ElevenLabs вказує $0.40 за аудіогодину, тоді як китайська сторінка GoTranscript рекламує людську транскрипцію від $1.02 за хвилину. Це стартові ціни для різних обсягів, а не еквівалентні пропозиції. Людський сервіс рекламує обробку мандарину й кантонської, результати у спрощеній або традиційній писемності та опціональну локалізацію. Перевірте актуальні тарифи, доповнення та точний результат перед замовленням.

Числа бенчмарків також потребують подібної обережності. Порівняння багатомовних систем від AssemblyAI, проведене постачальником, подає один китайський стовпець замість окремих рядків для мандарину та кантонської. Це знімок протестованих систем і наборів даних, а не доказ продуктивності на вашому кантонському інтерв’ю. Запитайте, яка версія моделі, мовний піднабір і розрахунок character error rate дали вказаний бал.

Для перемикання між мандарином і англійською також підготуйте двомовний зразок. ISCSLP 2022 Chinese-English challenge повідомив про 16.70% mixture error rate для своєї переможної системи проти 26.50% базового рівня змагання. Цей контрольований результат не може передбачити кожну зустріч, але він показує, чому одномовна демонстрація є неповним тестом для закупівлі.

Чотириетапний тест китайського аудіо в текст

  1. Визначте мовлення. Зафіксуйте, чи є джерело мандарином, кантонською, іншим різновидом або змішаним з англійською. Оберіть явний підтримуваний код, якщо модель його пропонує.
  2. Уточніть вихід. Вкажіть спрощені або традиційні ієрогліфи та чи має транскрипт зберігати розмовні формулювання.
  3. Перевірте репрезентативне аудіо. Додайте реальні акценти, фоновий шум, імена та будь-яке перемикання мов. Перегляньте результат разом із записом.
  4. Збережіть шлях для перевірки. Збережіть аудіо, задокументуйте модель і налаштування та закладіть людську перевірку, коли точне формулювання є суттєвим.

Живі субтитри та архівна транскрипція мають різні критерії успіху. Дивіться транскрипцію в реальному часі проти транскрипції з записаного аудіо для вибору цього робочого процесу. Якщо мета — китайський текст, перекладений з іншої розмовної мови, використовуйте робочий процес мовного перекладу, наприклад наш посібник перекладача з арабської на китайську.

Де тут місце MirrorCaption

Наразі MirrorCaption показує один варіант китайської мови. Він не пропонує окремого варіанта кантонської або керування спрощеною/традиційною писемністю, і ми не публікуємо для продукту китайський character error rate. Завантажені записи приймають одну вибрану вихідну мову на файл. Використовуйте сервіс із явними налаштуваннями та людською перевіркою, коли ваше завдання потребує засвідченого або дослівного кантонського запису.

Для живої розмови мандаринською та англійською MirrorCaption може показувати оригінальне мовлення поруч із перекладом, поки люди говорять. Спробуйте це на власному зразку, щоб вирішити, чи корисно це для зустрічі; це не замінює перевірену архівну транскрипцію.

Спробуйте MirrorCaption безкоштовно

Перегляньте живі китайські та англійські субтитри поруч на репрезентативній розмові. Одна безкоштовна година для спроби, одноразово, без кредитної картки.

Почати безкоштовно

Часті запитання

Чи є транскрипція кантонської такою ж точною, як мандаринської?

Єдиного порівнюваного показника точності не існує. Дослідження кантонської 2022 року показало, як одна модель перейшла від 10.15% character error rate на власному тестовому наборі до 83.42% на іншому корпусі. Тестуйте той самий тип аудіо, який плануєте транскрибувати.

Чи може програмне забезпечення для транскрипції автоматично відрізнити мандаринську від кантонської?

Виявлення залежить від моделі та запису. Google Cloud перелічує кантонську як yue-Hant-HK; Deepgram Nova-3 перелічує її як zh-HK. Обирайте явний різновид, коли це можливо, і тестуйте зразок.

Чи повернеться китайська транскрипція у спрощених чи традиційних ієрогліфах?

Це залежить від сервісу та моделі. Деякі задокументовані мовні коди поєднують писемність із різновидом і регіоном. Підтвердіть фактичний результат перед надсиланням великого пакета.

Як інструменти обробляють зустріч, де змішуються китайська та англійська?

Використовуйте репрезентативний запис із перемиканням мов та іменами. ISCSLP 2022 challenge повідомив про 16.70% mixture error rate для своєї переможної системи на власному тестовому наборі, що є нагадуванням тестувати двомовне аудіо безпосередньо.

Чи дає MirrorCaption змогу обрати різновид і писемність китайської?

Ні. Наразі MirrorCaption пропонує один варіант китайської мови без окремих елементів керування кантонською або писемністю. Ми не публікуємо власний бенчмарк точності китайської.