Chuyển giọng nói sang PDF

Cách chuyển giọng nói thành PDF trên trang này

Trình duyệt của quý vị ghi âm từ micrô dưới dạng âm thanh Opus (Chrome, Firefox, Edge) hoặc AAC (Safari) và lưu trong bộ nhớ. Khi quý vị xác nhận, tệp sẽ được tải lên qua HTTPS đến một trong các máy chủ phiên âm của chúng tôi.

Tại đó, ffmpeg giải mã âm thanh và Whisper – một mô hình nhận dạng giọng nói mã nguồn mở – chuyển thành văn bản trong một lần xử lý, bao gồm dấu câu và ngắt câu. Nếu bật tính năng nhận diện người nói, mô hình phân tách người nói sẽ chia âm thanh theo từng người nói trước, sau đó bản chép lời sẽ được chú thích tương ứng.

Bản chép lời trước tiên được ghi dưới dạng văn bản, sau đó được dàn trang thành PDF bằng LibreOffice – một tài liệu thuần văn bản có thể in, với văn bản có thể chọn, không có bản quét hoặc hình ảnh. Trang kết quả cho phép quý vị tải xuống; âm thanh và bản chép lời sẽ tự động bị xóa sau đó.

Mẹo ghi âm quan trọng hơn bất kỳ cài đặt nào

Khả năng nhận dạng giọng nói chỉ tốt khi âm thanh tốt. Ba yếu tố tạo ra khác biệt lớn nhất là khoảng cách, tiếng ồn và lời nói chồng lấn. Giữ micro cách miệng 10–20 cm; điện thoại đặt gần sẽ tốt hơn laptop đặt ở phía bên kia bàn. Tắt quạt, đóng cửa sổ và tránh các phòng có tiếng vọng mạnh.

Hãy nói với tốc độ bình thường và nói hết câu – mô hình sử dụng ngữ cảnh, vì vậy câu nói dang dở và từ đệm sẽ tạo ra văn bản kém chính xác hơn so với việc nói chậm hơn một chút nhưng trọn câu. Khi phỏng vấn, hãy đề nghị mọi người không nói chồng lên nhau; lời nói chồng lấn là trường hợp khó nhất đối với mọi công cụ nhận dạng.

Nghe bản xem trước trước khi bắt đầu. Nếu đồng hồ mức âm thanh hầu như không di chuyển hoặc luôn ở mức tối đa, hãy ghi âm lại thay vì hy vọng bản chép lời sẽ chính xác.

Các cách sử dụng phổ biến của công cụ chuyển giọng nói sang PDF

Công cụ này được giáo viên, người làm podcast, nhà báo và bất kỳ ai suy nghĩ nhanh hơn khi nói thành lời thay vì gõ bàn phím sử dụng: soạn email hoặc bài viết bằng cách nói, ghi lại biên bản cuộc họp, chuyển bài giảng hoặc ghi âm giọng nói thành ghi chú có thể tìm kiếm, chép lại câu trả lời phỏng vấn phục vụ nghiên cứu và lấy bản có thể đọc được của tin nhắn thoại chưa thể phát ngay lúc này.

Vì Whisper tự động nhận diện ngôn ngữ, cùng một trang này hoạt động với bản đọc chính tả bằng tiếng Đức, ghi chú thoại bằng tiếng Tây Ban Nha hoặc bài giảng bằng tiếng Anh mà không cần thiết lập. Bản chép lời không được dịch – nội dung được viết bằng ngôn ngữ đã được nói.

Đối với âm thanh đã có dưới dạng tệp – podcast, bài giảng, cuộc gọi – các công cụ chuyển đổi âm thanh sang văn bản và MP3 sang văn bản trên trang này sử dụng cùng một bộ xử lý với các tùy chọn giống nhau.

Những việc công cụ này không thực hiện

Công cụ này không dịch: bản chép lời sẽ ở ngôn ngữ được nói. Công cụ không tạo mốc thời gian cho phụ đề – đối với tệp SRT hoặc VTT, hãy sử dụng các công cụ chuyển đổi phụ đề trên trang web này. Công cụ không nhận diện người nói theo tên, chỉ nhận biết khi người nói thay đổi nếu đã bật tính năng phát hiện người nói. Ngoài ra, công cụ không thể khôi phục những từ không nghe rõ trong bản ghi.

Tên riêng, tên sản phẩm và các chữ viết tắt ít gặp là những lỗi phổ biến nhất; thông thường, bản ghi âm rõ ràng chỉ cần đọc lướt lại kết quả và lưu ý những yếu tố này là đủ để chỉnh sửa.