Chuyển giọng nói thành TXT

Cách chuyển lời nói thành TXT trên trang này

Trình duyệt của bạn ghi âm từ micrô dưới dạng âm thanh Opus (Chrome, Firefox, Edge) hoặc AAC (Safari) và lưu trong bộ nhớ. Khi bạn xác nhận, tệp sẽ được tải lên qua HTTPS đến một trong các máy chủ chép lời 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 cả dấu câu và ngắt câu. Nếu bật tính năng nhận diện người nói, một mô hình phân tách người nói sẽ trước tiên chia âm thanh theo từng người nói, 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 bạn 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

Nhận dạng giọng nói chỉ tốt khi âm thanh đầu vào tốt. Ba yếu tố tạo ra khác biệt lớn nhất là khoảng cách, tiếng ồn và việc nói chồng lên nhau. Hãy giữ micro cách miệng 10–20 cm; điện thoại đặt gần sẽ tốt hơn laptop để ở phía bên kia bàn. Hãy tắt quạt, đóng cửa sổ và tránh những 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 dở dang và từ đệm sẽ cho 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 mọi hệ thống nhận dạng.

Hãy nghe bản xem trước trước khi bắt đầu. Nếu đồng hồ đo 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 TXT

Công cụ này được giáo viên, người làm podcast, nhà báo và bất kỳ ai suy nghĩ thành lời nhanh hơn gõ bàn phím sử dụng: soạn email hoặc bài viết bằng cách nói, ghi lại biên bản cuộc họp, chuyển bài giảng hoặc ghi chú thoại thành ghi chú có thể tìm kiếm, chép lại câu trả lời phỏng vấn phục vụ nghiên cứu và nhận phiên bản có thể đọc được của tin nhắn thoại mà hiện tại 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 cài đặt. Bản chép lời không được dịch – nội dung được viết bằng chính 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.

Công cụ này không làm được gì

Công cụ này không dịch: bản chép lời sẽ ở ngôn ngữ được nói. Công cụ không tạo mốc thời gian cho phụ đề – để tạo file 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 có thay đổi người nói nếu tính năng phát hiện người nói được bật. 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 hiếm gặp là những lỗi thường gặp nhất; thông thường, chỉ cần đọc nhanh kết quả và lưu ý các điểm này là đủ để chỉnh sửa một bản ghi rõ ràng.