Chuyển giọng nói thành văn bản

Cách chuyển giọng nói thành văn bản 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 âm thanh thành văn bản trong một lần xử lý, bao gồm dấu câu và ngắt câu. Nếu bật nhận diện người nói, một mô hình phân tách người nói sẽ phân chia âm thanh theo từng người nói trước, sau đó bản chép lời sẽ được chú thích tương ứng.

Bản chép lời được lưu dưới dạng tệp văn bản UTF 8 thuần túy với dấu câu và ngắt đoạn thông thường, vì vậy có thể mở bằng bất kỳ trình soạn thảo, phần mềm xử lý văn bản hoặc ứng dụng ghi chú nào và dán vào bất cứ đâu. Trang kết quả cho phép quý vị tải xuống; sau đó âm thanh và bản chép lời sẽ được tự động xóa.

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 nên khác biệt lớn nhất là khoảng cách, tiếng ồn và giọng nói chồng lấn. Hãy giữ micro cách miệng 10–20 cm; cầm điện thoại gần sẽ tốt hơn dùng laptop đặt ở phía bên kia bàn. Hãy tắt quạt, đóng cửa sổ và tránh các phòng có tiếng vang 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 vẹn. Khi phỏng vấn, hãy đề nghị mọi người không nói chồng lên nhau; giọng nói chồng lấn là trường hợp khó nhất đối với bất kỳ công cụ nhận dạng nào.

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

Các trường hợp sử dụng phổ biến của chuyển giọng nói thành văn bản

Công cụ này được giáo viên, người làm podcast, nhà báo và bất kỳ ai suy nghĩ nhanh hơn khi nói so với khi gõ bàn phím sử dụng: soạn thảo e-mail 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 tạo phiên bản dễ đọc của tin nhắn thoại hiện không thể phát.

Vì Whisper tự động nhận diện ngôn ngữ, cùng một trang có thể dùng cho 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 sẽ được viết bằng ngôn ngữ đã 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.

Công cụ này không làm gì

Công cụ không dịch: bản chép lời sẽ sử dụng ngôn ngữ được nói. Công cụ không tạo thời gian hiển thị phụ đề – để tạo tệp SRT hoặc VTT, hãy dùng các công cụ chuyển đổi phụ đề trên trang web này. Công cụ không nhận diện người nói theo tên, chỉ nhận biết sự thay đổi người nói khi bật tính năng phát hiện người nói. Và công cụ không thể khôi phục những từ không nghe rõ trong bản ghi.

Tên riêng, tên sản phẩm và các chữ viết tắt hiếm gặp là những lỗi thường gặp nhất; thông thường, chỉ cần đọc lại nhanh kết quả và lưu ý những điểm này là đủ để chỉnh sửa một bản ghi rõ ràng.