İtalyanca Transkripsiyon Araçları ve Doğruluğu Hakkında Özet
Hangi İtalyanca toplantı transkripsiyon aracının en doğru sonuçları verdiğini belirlemek için kör test yaptık.
Şunu ekledik tl;dv 'yi diğer üç araçla karşılaştırdık: Google Gemini, Firefliesve Fathom olmak üzere üç farklı araçla karşılaştırdık ve İtalyanca için en iyi yapay zeka not alma aracının hangisi olduğunu belirledik. Sonuçta tl;dv , toplam 200 puan üzerinden 181 puan alarak birinci tl;dv .
Puan aldığımız alanlar şunlardı:
- İtalyanca Toplantı Transkripsiyonu ve Doğruluğu
- Gerçek Hayattaki Toplantı Kalitesi
- Yetenekler ve Özellikler
- Güven, Güvenlik ve Değer
- İtalyanca Toplantı Doğruluk Testi: Metodoloji
Değerlendirmemiz için aynı İtalyanca kayıtları kullandık ve her transkripti ve özeti hem yapay zeka hem de ana dili İtalyanca olan bir konuşmacı yardımıyla puanladık. tl;dv büyük bir farkla birinci tl;dv ; onu Fireflies izledi, ardından Gemini geldi ve Fathom son Fathom .
Çeşitli toplantı araçlarının pazarlama söylemlerinin aksine, İtalyanca toplantı transkripsiyon doğruluğubüyük ölçüde değişkenlik gösterebilir. Farklı dillerde transkripsiyon yapan araçlar üzerinde yaptığımız son testlere dayanarak, bir aracın yapabildiğini iddia ettiği şey ile gerçek çıktının genellikle birbirinden çok farklı olabileceğini sıklıkla gözlemliyoruz.
Bu nedenle, tl;dvİtalyanca transkripsiyon yeteneklerini, pazarlama stratejilerinde İtalyanca seçeneği sunan diğer üç araçla karşılaştırmalı olarak test ettik: Google Gemini, Fathom ve Fireflies.
Sonuçlar ilginçti; bazı araçlar, doğal bir şekilde konuşulan ana dil İtalyanca’nın temel unsurlarını bile yakalamakta zorlanırken, tüm test kriterlerimizde tl;dv en üst sırada yer aldı.
Puanlama, iki büyük dil modeli (LLM) tarafından bağımsız olarak gerçekleştirildi ve İtalyanca ana dili konuşan bir kişi tarafından doğrulandı; bu kişilerden hiçbiri, hangi çıktının hangi araçtan geldiğini bilmiyordu.
Aşağıda her bölüm için genel puanlar yer almaktadır; ayrıca, en iyi İtalyanca toplantı aracının tl;dv olduğu sonucuna nasıl vardığımızı açıklamak için her bir test alanını daha ayrıntılı olarak inceliyoruz.
| Seviye | Max | tl;dv | Google Gemini | Fireflies | Fathom |
|---|---|---|---|---|---|
| Transkripsiyon ve doğruluk | 65 | 61/65 | 34/65 | 34/65 | 31/65 |
| Gerçek hayattaki toplantı kalitesi | 45 | 41/45 | 32/45 | 32/45 | 21/45 |
| Yetenekler ve özellikler | 72 | 61/72 | 37/72 | 58/72 | 50/72 |
| Güven, güvenlik ve değer | 18 | 18/18 | 15/18 | 18/18 | 18 Aralık |
| Toplam puan | 200 | 181/200 | 118/200 | 142/200 | 114/200 |
| Sıra | 1 | 3 | 2 | 4 |
İtalyanca Toplantı Transkripsiyonu ve Doğruluğu
Bu metinler, büyük dil modelleri (AnthropicClaude’u ve OpenAI’nin ChatGPT’si) tarafından puanlandı ve ardından araç isimleri gizlenmiş halde, ana dili konuşan kişiler tarafından yapılan kör değerlendirmeye dayalı olarak doğrulandı.
İlk test turumuzda, her bir yapay zeka toplantı not tutucusunun transkripsiyonunun gerçek kalitesini inceledik: İtalyanca olarak söylenenleri tam olarak yazabiliyorlar mı?
Her araca aynı İtalyanca konuşma metni seti verildi ve çıktılar, kelime düzeyindeki genel doğruluktan başlayarak özel isim tanıma, sayıları işleme biçimi ve belirli teknik terimler gibi unsurlara kadar çeşitli ölçütlere göre değerlendirildi.
Testin bu bölümünde, tl;dv 65 puan üzerinden 61 puan alarak birinci tl;dv . Diğer üç araç ise 30’lu puanların ortalarında, birbirlerine oldukça yakın sonuçlar elde etti. Aradaki fark oldukça büyüktü; aşağıda, test ettiğimiz her bir öğenin ayrıntılı dökümünü ve iki kör LLM test turu ile bir ana dil konuşmacısı tarafından yapılan kör test sonuçlarına dayalı puanlamayı görebilirsiniz.
| Metrik | Puanlama nasıl yapılır? | tl;dv | Google Gemini | Fireflies | Fathom |
|---|---|---|---|---|---|
| Dil doğruluğu | Aynı dildeki doğruluk düzeyine ilişkin, ana dili konuşan kişiler tarafından yapılan kör ciddiyet derecelendirmesi | 18/20 | 20/10 | 20 Eylül | 20 Ağustos |
| Dile özgü işlemler | Aksan işaretleri, noktalama işaretleri, bölgesel varyantlar, dil değiştirme | 18/20 | 20/12 | 13/20 | 20/12 |
| Kelime hata oranı puanlaması | Resmi transkript veya referans metin temel alınarak hesaplanmıştır | 5/5 | 3/5 | 2/5 | 1/5 |
| Varlık algılama | Oyuncu kadrosundaki isimler, şirketler ve yerler | 5/5 | 3/5 | 2/5 | 2/5 |
| Sayılar, tarihler ve para birimleri | Rakamlar, tarihler ve tutarlar ilgili dilde doğru biçimde biçimlendirilmiştir | 5/5 | 2/5 | 2/5 | 4/5 |
| Teknik terimin ham tanıma | Özel eğitim öncesinde sektör terimleri ve kısaltmalar | 5/5 | 1/5 | 2/5 | 2/5 |
| Noktalama ve bölümleme | Deneme çalıştırması çıktısındaki cümle sonları ve paragraflandırma | 5/5 | 3/5 | 4/5 | 2/5 |
| Transkripsiyon ve doğruluk ara toplamı | 61/65 | 34/65 | 34/65 | 31/65 |
"Everyday Italian" Sitesindeki Her Bir Araç Ne Kadar Doğru?
Her bir araç, genel günlük İtalyanca konuşmaları oldukça iyi bir şekilde yazıya döktü. Hiçbiri, takip etmesi zor ya da büyük hatalarla dolu bir transkript üretmedi; oysa Fransızca ve Almanca da dahil olmak üzere test ettiğimiz diğer bazı dillerde durum böyle değildi.
tl;dv , oldukça büyük bir farkla en tl;dv . Finans konusuna odaklanan belirli bir ses bölümü vardı ve bunu, doğrulanmış ve yayınlanmış bir referans metinle doğrudan karşılaştırma imkânımız oldu. Yayınlanmış metin düzeltilmiş olduğundan bazı farklılıklar olsa da, tl;dv orijinal formatı neredeyse kelime kelime takip tl;dv ; oysa tl;dv metni aynen tl;dv .
Gemini Fireflies , genel cümlelerde de oldukça iyi bir performans Fireflies .“Adozione”yerine“aduzione”,“tradizionali”yerine“traduzionali”veya konuşmacının“meramente”dediği yerde“veramente”gibi bazı çok spesifik hatalar vardı. Fireflies “capitale di rischio”ifadesini, gerçek bir terim olmayan“capirebbe il rischio”yedönüştürdü.
Test edilen dört araçtan Fathom , en fazla hata üreten araç Fathom . Bazı bölümlerde yapay zeka, belirli ifadeleri tahmin etmeye çalışıyor gibi görünüyordu; örneğin,“Bastipensare”ifadesini“Passi a pensare”ye,“manifattura”yıise“manufattura”yadönüştürdü. Ayrıca, hasta finansmanı ve risk sermayesiyle ilgili Fathom hiç Fathom bir cümle de vardı.
İtalyanca’nın dilbilgisi açısından doğruluğu söz konusu olduğunda Fathom en zayıf performansı Fathom .
Hangi araçlar İtalyanca kısaltmaları ve teknik terimleri doğru bir şekilde çeviriyor?
Toplantılar genellikle son derece teknik terimler ve kısaltmalarla doludur ve bunlar toplantının genel bağlamı açısından büyük önem taşıyabilir. İtalyanca transkripsiyon testlerimizde, transkripsiyon araçları tarafından ne kadar kolay algılandığını görmek amacıyla her bir clip içerdiği teknik jargon miktarına göre clip . Özellikle sağlık hizmetleri odaklı olan bir klipte, belirli kavramları ifade eden İtalyanca kısaltmalar yer alıyordu. Bu unsurlar arasında EHDS yönetmeliği, NIS 2 direktifi yer alıyordu ve ayrıca siber güvenlik ve birlikte çalışabilirlikle ilgili bir dizi terim de dikkate alındı.
Dört araçtan sadece tl;dv , arayüze herhangi bir özel kelime listesi yüklemeden EHDS ve NIS 2 terimlerini her seferinde doğru bir şekilde algılayarak bu terimleri doğru bir şekilde tutmayı tl;dv .
Karşılaştırma amacıyla, Gemini “NIS 2”ifadesini “IS2”ye Gemini ve aynı pasajda“EHDS”ifadesini üç farklı şekilde, sırasıyla“HDS”, ardından“HS”ve son olarak“HD”olarak yazdırdı.
Benzer şekilde, Fireflies “NIS 2” ifadesini Fireflies çıkarmışve“EHDS”ifadesini“HDS”olarak değiştirmiştir.
Fathom bunları Fathom gözden kaçırmış;“NIS 2”yi“URIS 2”ye,“EHDS”yiise“HTS”ye değiştirmiştir.
Bunlar düzeltilebilir ve birçok araç özelleştirilebilir kelime listesi sunar; ancak öncelikle akıcı İtalyanca’dan bu kelimeleri doğru bir şekilde yakalamak daha önemlidir.
Bu hususlarda tl;dv tam puantl;dv .
İtalyanca’da Sayıları ve Tarihleri Ne Kadar İyi Kullanıyorlar?
Tarihler ve rakamlar, tek bir hatanın tüm cümlenin anlamını tersine çevirebileceği alanlardır; bu nedenle bunları ayrı olarak inceledik. Sağlık hizmetleri konulu konuşmada tek bir rakam öne çıktı: Avrupa Sağlık Veri Alanı için belirlenen 2029 son tarihi. tl;dv Fathom bu rakamı hatasız bir şekilde algıladı. Gemini Fathom rakamı “202” şeklinde Gemini ; bu, yazım hatası ya da tamamen farklı bir rakam olarak algılanabilir ve bu durum birden fazla kez tekrarlandı. Fireflies ise rakamı harf harf Fireflies ancak“duemilaventinove”yerine“duemilaventidove”yazarak hataya düştü.
tl;dv beş tl;dv , Fathom tl;dv ; Gemini Fireflies ise Fireflies aldı.
AI not tutucular İtalyanca isimleri doğru yazmış mıydı?
Videolardan birinde, araçların İtalyanca isimleri ne kadar iyi işleyebildiğini tespit etmemizi sağlayan kapsamlı bir isim listesi yer alıyordu. Bu, satış gibi alanlarda, entegre bir CRM sistemi aracılığıyla potansiyel müşteri isimleri ve kilit paydaşlarla çalışırken gerçekten çok önemlidir.
Bu listede yer alan isimler arasında Gratteri, Frattasi ve Melillo’dan Valensise, Morrone, Caravelli, Di Monte ve Costanzo’ya kadar çeşitli isimler bulunuyordu. Üretilen eserler arasında kullanılan araçlar büyük farklılıklar gösteriyordu.
tl;dv , tüm listeyi doğru bir şekilde tl;dv ve“Costanto”yerine“Angelo Costanzo”ifadesini doğru bir şekilde algılayabilen tek araç oldu.
Fathom ,“Giovanni Caravelli” ifadesiniFathom algıladı; diğer araçlardan ikisi ise buraya gereksiz bir“Gianni”eklemiş olsa da,“Simona Di Monte”ifadesini“Simone Di Monti”ye dönüştürdü.
Fireflies Gemini Fireflies bu isimlerin çoğunu yanlış yazmış ve ardından“Mattarella”yerine“Battarella”yazmışlardır; Fathom hatayı tekrarlamıştır.
tl;dv burada beş puan tl;dv ; hatalar hesaba katıldığında geri kalanlar ise iki ya da üç puanla yetindi.
Gerçek Hayattaki Toplantı Kalitesi
Transkripsiyon doğruluğu, çıktının kalitesinin temelini oluşturur; ancak bu çıktının günlük iş hayatının diğer alanlarına nasıl yansıtıldığı da dikkate alınması gereken bir husustur. Test edilen dört aracın çıktıları da özetler gibi unsurlar içerir ve bir yapay zeka toplantı asistanının kullanıma değer olabilmesi için bu özetlerin başkalarına gönderilebilecek kadar iyi kalitede olması gerekir.
İtalyanca toplantı transkripsiyonu testlerimizin bu bölümünde, hatalı transkripsiyon oranları, özet kalitesi ve eylem maddeleri gibi unsurları inceledik.
Ayrıca diyalog ayrıştırma kalitesini de inceledik; test edebildiğimiz araçlarda bu kalite iyi bir seviyedeydi; ancak Gemini konuşmacıları ayırabilmesi için önceden bir komut verilmesi Gemini . Fathom ise sadece canlı kayıt yapabildiğinden ve bizim canlı testlerimiz tek kaynaktan gerçekleştirildiğinden, bu konuda Fathom .Bu bölümde, tl;dv en yüksek puanı tl;dv .
| Metrik | Puanlama nasıl yapılır? | tl;dv | Google Gemini | Fireflies | Fathom |
|---|---|---|---|---|---|
| Günlüğe kaydetme kalitesi | Doğru oyuncu sayısı ve rol dağılımı ile bilinen oyuncu kadrosu karşılaştırması | 9/10 | 7/10 | 8/10 | 0/10 |
| Davranışsal istikrar | Oturum türleri arasında davranışsal istikrar | 9/10 | 6/10 | 5/10 | 4/10 |
| Özet kalitesi | Özetin yararlılığı ve ödünç kelimeler de dikkate alındığında özetin kaynak dilde kalıp kalmadığı | 5/5 | 4/5 | 3/5 | 5/5 |
| Halüsinasyon / ekleme oranı | Ses kaydında bulunmayan uydurulmuş, tekrarlanmış veya kopyalanmış metinler; yanlış duyulmalar nedeniyle anlamın değiştiği durumlarda küçük kesintiler yapılmıştır | 10/10 | 9/10 | 9/10 | 4/10 |
| Eylem maddelerinin çıkarılması | Toplantıdan çıkarılan görevlerin ve takip konularının kalitesi | 4/5 | 2/5 | 4/5 | 3/5 |
| Otomatik bölümler / bölümlere ayırma | Özet, toplantıyı faydalı bölümlere ayırıyor mu? | 4/5 | 4/5 | 3/5 | 5/5 |
| Gerçek ortamda yapılan toplantı kalitesi ara toplamı | 41/45 | 32/45 | 32/45 | 21/45 |
Hangi Araçlar Metinleri Hayal Ediyor Ya Da Uyduruyor?
Sanrılar, yapay zeka ile ilgili her türlü konuda insanların karşılaştığı en büyük endişelerden biridir. Bir araç, ifadeler, eylemler veya başka herhangi bir şeyi uydurup uyduruyorsa, bu durum ciddi hatalara ve potansiyel olarak daha büyük sorunlara yol açabilir. Yanlış duyulan tek bir kelime can sıkıcı olabilir, ancak genellikle kolayca fark edilebilir; uydurulmuş metnin bütün bölümleri ise çok daha kötü sonuçlar doğurabilir.
İncelememize göre, tl;dv tüm kayıt oturumları boyunca hiçbir şey tl;dv . Her bir unsur orijinal metne sadık kaldı ve söylenenlerden farklı bir şey ortaya koymadı.
Gemini Fireflies İtalyanca’ya çeviri yaparken farklı ya da uydurma unsurlar eklemekten Fireflies kaçınmayı başardılar. Her ikisi de tam puanın biraz altında kaldı; puan kesintisi, uydurma unsurlar nedeniyle değil, anlamı değiştiren yanlış anlama hataları yüzünden yapıldı.
Ancak Fathom, ses kaydında hiç geçmeyen tam cümleler eklemişti. Transkriptlerden birinde“Grazie per aver guardato” ifadesiyer alıyordu; bu, “izlediğiniz için teşekkürler” anlamına geliyor. Ortaya çıkan diğer cümleler arasında“Grazie a tutti”ve tek başına geçen“Siamo capaci di fare noi”vardı. İlk bölümümüzde de bahsettiğimiz gibi, finans bölümüne tam bir cümle eklemişti.
Bu durum endişe vericidir; zira genel olarak iyi olan bir not metninde yer alan uydurma bir satır, herhangi bir yapay zeka not alma sisteminin yaşayabileceği en büyük hata olabilir. Özet okunması kolaysa, bir kişinin onu gönderilmeden önce düzeltme okuması pek olası değildir.
En iyi İtalyanca toplantı özetini hangi araç hazırlar?
Bu, performansında zorluk yaşayan bazı araçların oldukça iyi sonuçlar elde ettiği alandır. Transkripsiyon konusunda en kötü sonucu vermesine rağmen, Fathomözeti en iyilerinden biriydi. Özet, amaç ve ana başlıklara göre iyi bir şekilde düzenlenmişti; ayrıca, EHDS gibi transkriptteki hatalar özet içinde doğru bir şekilde yer alıyordu; bu durum, ham kayıtta bu kadar yanlış olmalarına rağmen oldukça ilginçtir.
tl;dv , hem kullanışlılık hem de doğruluk açısından diğerleriyle başa baş tl;dv . Gemini sağlam bir özet hazırladı, ancak diğerleri kadar güçlü değildi. Fireflies ise inanılmaz derecede ayrıntılı özet notları Fireflies ; ancak bu notlar çok uzundu ve göz gezdirerek okumak zordu.
Özet, ham transkriptin üzerinde yer aldığı için yapay zekanın bu aşamada metni “düzenlemesi” muhtemeldir. Ancak bu durum, özetin sağlam olması, yapay zekanın ham transkripte kaydettiği gerçek verilerin aslında özetle tam olarak örtüşmediği anlamına gelebileceğini de ortaya koymaktadır.
Her bir araç, farklı toplantı türleri arasında ne kadar tutarlıdır?
İncelediğimiz alanlardan biri davranışsal istikrardı. İtalyanca konusunda özet ile transkripsiyonun karşılaştırılması, farklı toplantılarda bu araçların işleri ne kadar etkili bir şekilde yönetebildiğine dair bazı farklılıklar olabileceğini ortaya koydu.
tl;dv , tüm testler boyunca sağlam bir istikrar tl;dv 10 üzerinden 9 puan aldı. Gemini de oldukça Gemini , ancak ayrıntılar konusunda biraz vasat Fireflies bazı dalgalanmalar Fireflies ; sağlık alanındaki kısaltmalarla ilgili terimlerde zorlandı. Fathom en kötü performansı gösteren Fathom ; adalet konusu geldiğinde iyi bir performans sergilese de, finans terminolojisinde zorlandı ve sağlık konusuna gelince ise metni uydurdu.
Yetenekler ve Özellikler
Her bir aracın ürettiği İtalyanca transkripsiyon ve özetlerin yanı sıra, araçların genel yeteneklerini nasıl bir araya getirdikleri konusunda da birbirlerinden oldukça farklıdırlar. tl;dv , bir yapay zeka toplantı asistanından çok daha fazlasıdır; kurumsal hafıza, koçluk ve katmanlar halinde değer sunan eksiksiz bir pakettir ve CRM sistemleriyle, Claude ve ChatGPT ile doğrudan entegre edilebilir.
Bu bölümde, verileri genişletme ve kullanma konusundaki çeşitli imkânlar, özellikler ve işlem hızı ile zaman damgası doğruluğu gibi bazı unsurların genel kalitesi açısından her bir aracın nasıl bir puan aldığını inceliyoruz.
Bu alanda tl;dv , 72 üzerinden 61 puanla yine tl;dv ; onu 58 Fireflies izledi; Fathom Gemini ise bu puanın altında Gemini .
| Metrik | Puanlama nasıl yapılır? | tl;dv | Google Gemini | Fireflies | Fathom |
|---|---|---|---|---|---|
| Kutudan çıkar çıkmaz hoparlörlerin isimlendirilmesi | Desteklediği platformlarda gerçek konuşmacıların adlarını otomatik olarak belirler | 5/5 | 5/5 | 5/5 | 5/5 |
| Sesli baskı | Kullanıcının kendi sesi için ses izi eğitimi seçeneği | 5/5 | 0/5 | 0/5 | 0/5 |
| Bot içermeyen kayıt | Aramaya bir bot göndermeden sistem sesinden kayıt yapar | 5/5 | 5/5 | 5/5 | 5/5 |
| CRM senkronizasyonu | Yerel ve otomatik senkronizasyon | 3/3 | 0/3 | 3/3 | 3/3 |
| Özel notlar / şablonlar | Özelleştirilebilir özet biçimleri ile sabit çıktı karşılaştırması | 3/3 | 0/3 | 3/3 | 3/3 |
| Özel kelime dağarcığı / varlık eğitimi | Sektör terimlerini ve kısaltmalarını öğretin | 5/5 | 0/5 | 5/5 | 5/5 |
| İtalyanca kullanıcı arayüzü yerelleştirmesi | Ürünün arayüzünün kendisi İtalyanca olarak sunuluyor mu | 0/5 | 5/5 | 0/5 | 0/5 |
| Entegrasyonların kapsamı | Slack, takvim, Zapier, API | 3/3 | 3/3 | 3/3 | 3/3 |
| İşlem hızı | Toplantının bitiminden transkriptin tamamlanmasına kadar geçen süre | 3/3 | 1/3 | 3/3 | 3/3 |
| Dolgu kelimelerinin izlenmesi | “Tracks”... şey, yani, o zaman... kekeleme-tekrarı olmadan. Konuşma metinlerinin aşırı düzeltme yapılmaksızın tam olarak okunabilir olmasını sağlar | 3/3 | 0/3 | 0/3 | 0/3 |
| Zaman damgası doğruluğu | Zaman damgalarının doğru ana denk geldiğini rastgele kontrol edin | 3/3 | 3/3 | 2/3 | 0/3 |
| Çeviri seçenekleri | Toplantı notlarını çevirebilir mi ve kaç dile çevirebilir? | 3/3 | 0/3 | 3/3 | 3/3 |
| Transkript içinde arama yap | Toplantı içinde ve kütüphane genelinde arama yapın | 3/3 | 3/3 | 3/3 | 3/3 |
| Transkript düzenleme kullanıcı arayüzü | Transkripti sonradan kolayca düzeltebilir misiniz? | 3/3 | 3/3 | 3/3 | 3/3 |
| Dışa aktarma biçimleri | SRT, VTT, TXT, DOCX ve benzeri | 0/3 | 3/3 | 3/3 | 0/3 |
| Canlı / gerçek zamanlı konuşma metni | Toplantı sırasında canlı olarak bir konuşma metni gösteriliyor mu? | 0/3 | 3/3 | 3/3 | 3/3 |
| Toplantı platformu kapsamı | Zoom, Meet, Teams ve Webex kapsamı | 3/3 | 0/3 | 3/3 | 3/3 |
| Mobil uygulama yakalama | Mobil uygulama aracılığıyla yüz yüze toplantıları kaydedebilir mi? | 3/3 | 3/3 | 3/3 | 0/3 |
| Yerel MCP sunucusu | AI asistanlarının toplantı arşivinde arama yapmasına olanak tanıyan, kendi geliştirilen birinci taraf sunucu | 5/5 | 0/5 | 5/5 | 5/5 |
| Hoparlör etiketini düzenleme | Hoparlörlerin adını daha sonra değiştirebilir ve yeniden atayabilir misiniz? | 3/3 | 0/3 | 3/3 | 3/3 |
| Yetenekler ve özellikler ara toplamı | 61/72 | 37/72 | 58/72 | 50/72 |
Kayıt ve Hoparlör Kullanımı
Dört araç da başlıca toplantı platformlarında konuşmacılara otomatik olarak isim atama özelliğine sahip; bu bakımdan araçlar arasında pek bir fark yok. Bazı araçların, özellikle de tl;dv öne çıktığı alan ise bu işlemi ne kadar derinlemesine gerçekleştirebildikleri.
Test edilen dört araçtan yalnızca tl;dv , ses tanıma eğitimi sunma özelliğine tl;dv ; bu özellik sayesinde, siz izin verdiğiniz takdirde sesinizi bir kez öğrenebilir ve gelecekteki toplantılarda sizi tanıyabilir.
Bu araçlardan üçü, arayüz üzerinden konuşmacıların yeniden etiketlenmesine olanak tanıyor: tl;dv, Fireflies Fathom. Gemini ise, transkriptleri işleme ve görüntüleme şekli nedeniyle (Google Doc formatında), teknik olarak bu işlem yapılabilse de manuel bir süreç gerektiriyor. Sonuç olarak, genel olarak bakıldığında Gemini , konuşmacı kontrolleri açısından dört araç arasında en kısıtlı Gemini ve etiket düzenleme ile yeniden atama konusunda puan kaybetti.
Eğer şirket genelinde toplantı kayıtlarını paylaşan bir ekipteyseniz, bu kayıtlarda konuşmacıların kimliklerinin net ve doğru bir şekilde belirtilmesi gerekir; bu nedenle bu, iki sistem arasındaki belirgin bir farktır ve Google’ın aracının geride kaldığı bir noktadır.
Kişiselleştirme ve Kelime Eğitimi
Bu durum, puanlamanın ilk bölümünde İtalyanca transkripsiyonda tespit ettiğimiz kısaltma ve isimlendirme hatalarıyla bağlantılıdır. Herhangi bir sorun, sektöre özgü terimler, zor isimler ve kısaltmaların araçların özel sözlük ayarına eklenmesiyle giderilebilir.
tl;dv Fireflies , kullandığımız planlarda araca kendi kelime dağarcığınızı öğretmenize Fireflies , Fathom bunu Fathom en üst düzey Team planında sunuyor ve Gemini ise bu özelliği hiç Gemini . Sonuç olarak, Google’ın Gemini şey, elde ettiğiniz sonuçtur ve aracın duyduklarını düzeltmenin ya da etkilemenin bir yolu yoktur. tl;dv tek bir sabit format yerine özel özet şablonlarını da destekler; böylece çıktı, ekibinizin halihazırda notlarını yazma şekline uyum sağlayabilir.
Dolgu Kelimelerinin Takibi
Gerçek bir transkriptin bütünlüğünü koruyan özelliklerden biri, dolgu kelimelerinin görünür olmasıdır. Bu kelimeleri temizleyip kaydı pürüzsüz hale getirmek yerine, tl;dv dolgu kelimelerini transkriptin içinde tutan tek tl;dv ; böylece ne söylendiğini tam olarak görebilirsiniz. Fireflies de dolgu kelimelerini Fireflies , ancak bunları transkriptte tutmak yerine ayrı bir konuşma analizi metriği olarak değerlendirir.
Güven, Güvenlik ve Değer
Değerlendirmemizde, bu son bölüm toplantıların kaydedilmesi konusunda en önemli unsurlardan birine odaklanmaktadır: Toplantı sona erdiğinde kayıtlarınıza ne oluyor ve her bir aracın çalıştırılması ne kadara mal oluyor?
Bu durum İtalyanca'da büyük önem taşıyor; zira İtalya'da kaydedilen bir toplantı, verilerinizin nerede barındırılacağını, saklama sürelerini ve bu verilerin başkalarının yapay zeka modellerini eğitmek için kullanılıp kullanılmayacağını belirleyen GDPR gibi AB kurallarına tabidir.
Her bir araç, fiyatlandırma konusunda açık ve şeffaftır ve satış görüşmesi gerektirmez. Ayrıca her araç, bir iş aracından beklenen çeşitli güvenlik sertifikalarına ve akreditasyonlarına sahiptir. Genel olarak, incelediğimiz her araç için iyi puanlar alınmıştır.
Araçlar, esas olarak verilerinizin nerede depolanacağını seçme imkanı gibi konularda puan kaybetmeye başlıyor. Örneğin, AB bölgesinde barındırma hizmeti, ABD merkezli bir şirket olan Fathom sunulmuyor; ancak yine ABD merkezli olan Fireflies, en üst düzey paketinde bu hizmeti sunuyor.
Gemini , ücretsiz bir seçeneğin bulunmaması nedeniyle puan Gemini . Ücretli bir Google Workspace hesabı olsa bile, Gemini İtalyanca’da veya desteklediği diğer dillerde not almak Gemini kullanma imkânı, yalnızca belirli ücretli paketlerle sınırlıdır.
En önemli sorun, yapay zeka (AI) eğitimi ile ilgili. Fathom ayarlarının derinliklerinde, bunu devre dışı bırakmaya yarayan bir seçenek Fathom . Bunu bulup devre dışı bırakmanız gerekiyor; çünkü araç, kendi yapay zekasını geliştirmek için otomatik olarak kimlik bilgileri kaldırılmış toplantı verilerini kullanacak. Tek bir kullanıcı için bu çok önemli olmayabilir, ancak bu tam da bir işletmenin, özellikle de hassas veya düzenlemelere tabi görüşmeleri yürüten bir işletmenin, ekip çapında bir uygulamaya geçmeden önce bilmek isteyeceği türden bir varsayılan ayardır.
| Metrik | Puanlama nasıl yapılır? | tl;dv | Google Gemini | Fireflies | Fathom |
|---|---|---|---|---|---|
| Veri yerleşimi / bölgesel barındırma | Bölgesel barındırma seçenekleri, örneğin talep üzerine AB barındırma | 3/3 | 3/3 | 3/3 | 0/3 |
| Güvenlik ve uyumluluk | SOC 2 Tip II ve GDPR uyumluluğu | 3/3 | 3/3 | 3/3 | 3/3 |
| Kullanıcı ses kayıtları üzerine yapay zeka eğitimi | Bu, yapay zekanın sizin ses verilerinizle eğitilmesini engelliyor mu (eğitim yapılmadığında tam puan alınır mı)? | 3/3 | 3/3 | 3/3 | 0/3 |
| Veri saklama kontrolleri | Kayıtların ve transkriptlerin ne kadar süreyle saklanacağına ilişkin kontrol | 3/3 | 3/3 | 3/3 | 3/3 |
| Fiyat şeffaflığı | Plan fiyatları, sadece teklif olarak değil, açık bir şekilde yayınlanmaktadır | 3/3 | 3/3 | 3/3 | 3/3 |
| Ücretsiz paket / sınırlar | Ücretsiz planın mevcut olup olmadığı (sadece ücretsiz deneme sürümü varsa puan 0 olarak değerlendirilir) | 3/3 | 0/3 | 3/3 | 3/3 |
| Güven, güvenlik ve değer ara toplamı | 18/18 | 15/18 | 18/18 | 18 Aralık |
İtalyanca Toplantı Doğruluk Testi: Metodoloji
Karşılaştırmamız, her bir araca aynı koşulları sağlamak üzere tasarlanmış, kontrollü ve eşdeğer bir test temelinde gerçekleştirilmiştir.
Test Seti
Test amacıyla, Radio Radicale’nin kamuya açık arşivinden üç İtalyanca kayıt seçtik. Her biri, ayrıntılı bilgi sunması ve terminoloji, konuşmacıların konuşma hızı ve diğer alanlardaki çeşitli zayıflıklarını ortaya çıkaracak bölümler içermesi nedeniyle seçildi. İlki, İtalya Merkez Bankası (Banca d’Italia) ve Avrupa Yatırım Bankası’nın finans ve yapay zeka konulu konferansının açılış konuşmasıydı; bu konuşma, Merkez Bankası Başkanı Fabio Panetta tarafından yapıldı. Bu kayıt özellikle İtalyanca’da ayrıntılı ekonomik terimler içeriyordu ve referans olması amacıyla yayınlanmış resmi metinle eşleştirildi.
İkincisi, Senato üyeleri tarafından düzenlenen, sağlık verileri ve yapay zeka konulu bir zirveydi; bu zirve, teknolojik jargonla harmanlanmış çok sayıda kısaltma ve tıbbi terim içermesi nedeniyle seçilmişti.
clip üçüncü clip , Napoli Temyiz Mahkemesi’nin yapay zeka, adalet ve güvenlik konulu konferansının açılış kısmıydı; bu clip , hukuk terminolojisi, teknoloji terminolojisi ve özel isim işlevselliğini test etmek için uygun isimlerin yer alması nedeniyle seçildi.
Her bir clip on dakikanın altına indirgenmiş ve adaletli bir yaklaşım sergilenmesi amacıyla her araca aynı ses kaydı eklenmiştir.
İnceleme
Kör test için, her bir transkripsiyon ve özetin üzerindeki araç adı, bağlantılar ve diğer tüm tanımlanabilir veriler kaldırıldı ve benzersiz bir göstergeyle yeniden etiketlendi. Bu sayede, ne büyük dil modelleri (LLM’ler) ne de ana dil konuşmacısı, hangi transkripsiyonun veya özetin hangi araca ait olduğunu tespit edemedi. Bu anonimleştirilmiş çıktılar daha sonra AnthropicClaude ve OpenAI’nin ChatGPT adlı iki büyük dil modeline gönderildi; bu modeller, testin ilk iki bölümünde çıktıları bağımsız olarak sıraladılar.
Ardından, ana dili İtalyanca olan Pietro Giucastro’dan yardım aldık. Pietro, en zorlu ifadeleri ve araçların farklı sonuçlar verdiği noktaları, orijinal videolar ve kimlik bilgileri gizlenmiş çıktılar eşliğinde kulak yoluyla kontrol ederek, makine tarafından yapılan orijinal puanlamayı doğruladı. Üç değerlendirmenin tümü de tam olarak aynı sıralamaya ulaştı; bu da sıralamanın üç farklı testte ve her üç değerlendirmede de tutarlı olduğunu teyit etti.
Alet Seti
Karşılaştırma yapmak üzere tl;dv diğer üç aracı seçtik; her biri, pazarlama materyallerinde İtalyanca transkripsiyon hizmetini açıkça sundukları ve İtalyan ekiplerinin tercih edebileceği araçlar olacağı için seçildi.
- tl;dv: AB merkezli, uluslararası düzeyde işletilen bir araç ve çok dilli toplantılar için en yaygın kullanılan not alma uygulamalarından biri. Biz bunu Business planıyla kullandık, ancak arka planda ücretsiz sürümle aynı transkripsiyon motorunu kullanıyor.
- Google Gemini: Google Workspace ile birlikte sunulduğu için bu listeye dahil edilmiştir; bu da onu, birçok İtalyan ekibin zaten varsayılan olarak kullanmaya başladığı bir not alma aracı haline getirmektedir.
- Fireflies: ABD merkezli, en popüler bağımsız yapay zeka not alma uygulamalarından biri ve İtalyan kullanıcılar arasında sıklıkla tercih edilen bir uygulama.
- Fathom: ABD merkezli bir platformdur; pek çok küçük ekip bu platformla işe başladığından, pazarın ücretsiz segmentini temsil eder.
Testlerimizi gerçekleştirirken, aracı hem ücretsiz hem de ücretli hesaplarda denedik; bu nedenle sonuçlar, sıradan bir kullanıcının elde edeceği deneyimi yansıtacaktır. Canlı testlerde yalnızca tek bir ses kaynağı kaydedildi; bu nedenle, aracın yüklenen bir dosyayı işleyebildiği durumlarda, diyarisasyon kalitesini değerlendirmek için ayrı bir çok hoparlörlü test gerçekleştirdik.
Motor ve Plan Ayrıntıları
Tüm araçlar İtalyanca transkripsiyon özelliği sunsa da, aynı motoru kullanmıyorlar; bu da sonuçların neden bu kadar farklı olduğunu açıklıyor. tl;dvtestlerinde ElevenLabs’ın özel bir konuşma motoru kullanıldı. Gemini , Google’ın kendi modelini Gemini . Fireflies , mevcut belgelere göre OpenAI’nin Whisper motoru üzerinde Fireflies ve bunun üzerine ek bir katman eklenmiş durumda. Fathom adı kamuya açıklanmayan bir üçüncü taraf motorun Fathom . Aşağıda motorları ve hangi plan üzerinde test yaptığımızı görebilirsiniz.
| Araç | Temel motor/tedarikçi | Şirket içi veya lisanslı | Motor tipi | Plan |
|---|---|---|---|---|
| tl;dv | ElevenLabs | Lisanslı | Özel ASR | İş |
| Google Gemini | Google Gemini | Şirket içi (Google) | LLM | Bağımsız Gemini (Business Starter hesabı) |
| Fireflies | OpenAI Whisper (artı şirket içi LLM katmanı) | Lisanslı | Özel ASR | Artıları |
| Fathom | Üçüncü taraf, kamuya açıklanmamış (AI alt işleyicileri: OpenAI, Google, Anthropic) | Lisanslı | Açıklanmadı | Ücretsiz |
Kapsam ve Uyarılar
Her türlü testte, her zaman mümkün olduğunca dengeli ve bilimsel olmasını sağlamaya çalışırız; ancak bunun da bazı sınırları olabilir.
- Canlı testler için üç test klibinin tümü tek kaynaklı ses dosyalarıydı; diyarisasyon kalitesini değerlendirmek amacıyla, yüklenen dosyaları kabul eden araçlar üzerinde ayrı bir çok hoparlörlü test gerçekleştirdik.
- Kullandığımız kaynak metin, yayıncı tarafından doğrudan yayınlanmıştır; ancak tam anlamıyla kelimesi kelimesine bir aktarım değildir; metin düzenlenmiştir; bu nedenle puanlamada buna dayalı bir esneklik unsuru yer almaktadır.
- Fathom yalnızca canlı kayıt yapmaktadır ve test ettiğimiz sırada platforma doğrudan yükleme imkânı sunmamaktaydı; bu nedenle, günlükleştirme açısından puanlanamadı ve bu ölçütte sıfır puan aldı.
- Tüm özellikler, güvenilirlik ve güvenlik, test yapıldığı tarihte geçerli olan kamuya açık ürün belgelerine dayanmaktadır.
İtalyanca için en iyi toplantı transkripsiyon yazılımı hangisidir?
İtalyanca transkripsiyon doğruluğu açısından tl;dv en iyi performansı tl;dv ; test edilen diğer araçlara kıyasla İtalyanca toplantıları daha ayrıntılı ve doğru bir şekilde aktardı. Kaliteyi ölçen her bir kategoride birinci oldu ve genel sıralamada 39 puan fark attı. Birinci olduğu alanlarda, basit cümleleri işleyebildiği gibi, diğer araçların başarısız olduğu daha zor kısımları da başarıyla işleyebildi. Bu, isimler, özel isimler ve genel varlık algılama gibi alanlarda görüldü ve araç, metinde yanlışlık yapmadı veya metin uydurmadı. Bu, değerlendirdiğimiz diğer araçlarla karşılaştırıldığında, çıktının İtalyanca olarak söylenenlerin en doğru yansıması olduğuna güvenilebileceği anlamına gelir.
Ayrıca, üç jüri üyesinin tamamı – iki büyük dil modeli (LLM) ve bir ana dil konuşmacısı – tarafından, hepsi de kör test yöntemiyle değerlendirildiğinde birinci oldu.
Toplantılarınızı İtalyanca yapıyorsanız ve toplantıların çıktısını nasıl kaydedeceğinizi ve daha da önemlisi, bunları kontrol etmeye gerek kalmadan nasıl kullanacağınızı önemsiyorsanız, tl;dv bu konuda açık ara en iyi tl;dv .
Güçlü özellikleri, özelleştirme seçenekleri ve Claude ya da ChatGPT’ye doğrudan entegre edilebilen yerel bir MCP’ye sahip olan bu araç, İtalyanca toplantı transkripsiyonu için ideal bir çözümdür; toplantılarınızı, sizin için eyleme geçirilebilir ve faydalı çıktılara dönüştürür.
Bugün, bir sonraki İtalyanca toplantınızda tl;dv deneyin ve sonuçları gözlerinizle görün.
2026 Yılında İtalyanca Toplantı Transkripsiyonu Hakkında Sık Sorulan Sorular
İtalyanca toplantılar için en doğru sonuçları veren yapay zeka not alma aracı hangisidir?
tl;dv , kör değerlendirme yöntemiyle incelenen üç İtalyanca kayıttan 200 üzerinden 181 tl;dv , ikinci sıradaki Fireflies açık ara geride bıraktı. Gemini üçüncü, Fathom Gemini . Yalnızca ham transkripsiyon doğruluğu açısından bakıldığında, tl;dv 65 üzerinden 61 tl;dv , diğer üçü 30’lu ortalarda kaldı. Kör değerlendirme yapan iki büyük dil modeli (LLM) ve bir ana dili İtalyanca olan kişi, aynı sıralamayı verdi.
Yapay zeka not alma araçları İtalyanca kısaltmaları doğru bir şekilde yazıya döküyor mu?
Sadece tl;dv . EHDS ve NIS 2 direktifini içeren sağlık hizmetleri ses dosyası kullanıldığında, özel bir kelime listesi yüklenmeden her seferinde her ikisini de doğru bir şekilde algıladı. Gemini , tek bir pasajda EHDS’yi üç farklı şekilde Gemini : HDS, HS, HD. Fireflies ise NIS 2’yi tamamen Fireflies . Fathom ise bunu “URIS 2”ye Fathom .
Yapay zeka not alma programları İtalyanca isimleri doğru yazabiliyor mu?
Yapay zeka transkripsiyonu İtalyanca’da hatalı sonuçlar veriyor mu?
Fathom . Ses kaydında bulunmayan ifadeler ekledi; bunlara, kayıtta kaynağı bulunmayan YouTube tarzı bir kapanış cümlesi olan “Grazie per aver guardato”nın yanı sıra “Grazie a tutti” ve tesadüfen ortaya çıkan “Siamo capaci di fare noi” de dahildi. Ayrıca tam bir cümleyi tl;dv çıkardı. tl;dv Gemini Fireflies hiçbir şeyi Fireflies .
Bu İtalyanca transkripsiyon sınavı nasıl puanlandı?
Kör test. Tüm transkript ve özetlerden araç isimleri çıkarılmış, ardından iki büyük dil modeli (LLM) olan Claude ve ChatGPT tarafından bağımsız olarak puanlandırılmış ve ana dili İtalyanca olan Pietro Giucastro tarafından doğrulanmıştır. Üçü de aynı sıralamayı vermiştir. Ses kaydı, halka açık Radio Radicale arşivinden alınmıştır. tl;dv testi tl;dv ve yöntemin tam metnini yayınlamıştır.



