Chuyển giọng nói thành văn bản

Cách giọng nói được chuyển thành văn bản 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 chuyển giọng nói thành văn bản của chúng tôi.

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

Bản chép lời được lưu dưới dạng tệp văn bản UTF 8 thuần 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; tệp âm thanh và bản chép lời sẽ tự động bị xóa sau đó.

Mẹo ghi âm quan trọng hơn mọi cài đặt

Khả năng nhận dạng giọng nói chỉ tốt khi âm thanh tốt. Ba yếu tố tạo khác biệt lớn nhất là khoảng cách, tiếng ồn và việc nói chồng lên nhau. Giữ micro cách miệng 10–20 cm; điện thoại cầm gần miệng hiệu quả hơn 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 lấp là trường hợp khó nhất đối với bất kỳ hệ thống nhận dạng nào.

Hãy nghe bản xem trước trước khi bắt đầu. Nếu đồng hồ mức âm lượng hầu như không nhúc nhích 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 sử dụng bởi những người thích nói hơn là gõ, hoặc cần một tin nhắn thoại ngoài ứng dụng trò chuyện: 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 có được phiên bản dễ đọc của tin nhắn thoại không thể phát ngay lúc này.

Vì Whisper tự động nhận diện ngôn ngữ, cùng một trang có thể dùng cho bản đọc tiếng Đức, ghi chú thoại tiếng Tây Ban Nha hoặc bài giảng tiếng Anh mà không cần cài đặt. Bản chép lời không được dịch – nội dung được viết bằng ngôn ngữ đã nói.

Đối với âm thanh đã có sẵn 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 – để tạo tệp SRT hoặc VTT, hãy sử dụng các công cụ chuyển đổi phụ đề trên trang web này. Công cụ không xác định người nói theo tên, chỉ nhận biết khi có sự thay đổi người nói nếu tính năng nhận diện người nói được bật. Và công cụ không thể khôi phục những từ không nghe được trong bản ghi.

Tên riêng, tên sản phẩm và các chữ viết tắt hiếm gặp là những lỗi thường gặp nhất; thông thường, một lượt đọc nhanh kết quả và lưu ý các nội dung này là toàn bộ thao tác chỉnh sửa cần thiết đối với một bản ghi rõ ràng.