Chuyển giọng nói sang TXT

Cách chuyển giọng nói thành TXT trên trang này

Trình duyệt của quý vị ghi âm từ micro 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 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 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 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 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; âm thanh và bản chép lời sẽ được tự động xóa sau đó.

Mẹo ghi âm quan trọng hơn bất kỳ cài đặt nào

Chất lượng nhận dạng giọng nói phụ thuộc rất nhiều vào âm thanh. Ba yếu tố tạo khác biệt lớn nhất là khoảng cách, tiếng ồn và việc nói chồng lên nhau. Hãy giữ micro cách miệng 10–20 cm; cầm điện thoại gần sẽ tốt hơn dùng laptop đặt ở phía bên kia bàn. 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 dở dang và từ đệm sẽ cho 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 công cụ nhận dạng.

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

Các trường hợp thường dùng để chuyển giọng nói sang TXT

Công cụ này được dùng bởi những người thích nói hơn là gõ, hoặc cần một tin nhắn thoại bên ngoài ứng dụng trò chuyện: soạn e-mail hoặc bài viết bằng giọng nói, ghi lại biên bản cuộc họp, chuyển bài giảng hoặc bản ghi nhớ 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 chưa thể phát ngay lúc này.

Vì Whisper tự động nhận diện ngôn ngữ, cùng một trang có thể dùng cho bản đọc chính tả bằng tiếng Đức, ghi chú giọng nói bằng tiếng Tây Ban Nha hoặc bài giảng bằng tiếng Anh mà không cần thiết lập nào. Bản chép lời không được dịch – nội dung được viết bằng ngôn ngữ đã được 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 gì công cụ này không làm

Công cụ không dịch: bản chép lời sẽ ở ngôn ngữ được nói. Công cụ không tạo mốc thời gian 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 nhận diện người nói theo tên, chỉ nhận biết khi người nói thay đổi nếu đã bật tính năng phát hiện người nói. 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, chỉ cần đọc nhanh kết quả và lưu ý những yếu tố này là đủ để chỉnh sửa một bản ghi rõ ràng.