Nhận dạng giọng nói ngay trong trình duyệt
Công cụ này chuyển MP3 sang văn bản bằng Whisper, một mô hình nhận dạng giọng nói mã nguồn mở. Hầu hết các dịch vụ chuyển giọng nói thành văn bản trực tuyến đều tải âm thanh của bạn lên máy chủ. Ở đây, mô hình được tải về trình duyệt một lần rồi chạy ngay trên máy tính hoặc điện thoại của bạn. Bản ghi âm không bao giờ rời khỏi thiết bị, điều này rất quan trọng với các buổi phỏng vấn, ghi chú y tế hoặc pháp lý, cuộc họp và tin nhắn thoại cá nhân. Sau lần tải đầu tiên, trình duyệt sẽ lưu mô hình nên những lần sau sẽ tải nhanh hơn.
Ngôn ngữ và độ chính xác
Whisper ở đây hỗ trợ 23 ngôn ngữ, gồm tiếng Anh, Tây Ban Nha, Pháp, Đức, Ý, Bồ Đào Nha, Nga, Trung, Nhật, Hàn, Thổ Nhĩ Kỳ và Ba Lan. Độ chính xác cao nhất với giọng nói rõ và ít tạp âm nền. Độ chính xác sẽ thấp hơn khi:
- nhiều người nói cùng lúc;
- nhạc nền hoặc tiếng ồn lớn;
- người nói quá nhỏ tiếng hoặc ở xa micro;
- có tên riêng hiếm gặp và thuật ngữ chuyên ngành;
- trộn nhiều ngôn ngữ trong cùng một câu.
Tự chọn ngôn ngữ thay vì để tự động nhận diện thường cho kết quả tốt hơn, nhất là với bản ghi âm ngắn.
Định dạng đầu ra
| Định dạng | Nội dung | Dùng để |
|---|---|---|
| TXT | văn bản thuần | ghi chú, tài liệu, trích dẫn |
| SRT | phụ đề đánh số kèm thời gian bắt đầu và kết thúc | phần mềm dựng video, YouTube, hầu hết trình phát |
| VTT | phụ đề web kèm thời gian | trình phát video HTML5, trang web |
Tốc độ và bản ghi âm dài
Chuyển giọng nói thành văn bản là tác vụ nặng đối với máy tính. Trên laptop đời mới, một bản ghi dài một giờ có thể mất từ vài phút đến lâu hơn thời lượng thực, tùy vào bộ xử lý, kích thước mô hình và trình duyệt. Điện thoại sẽ chậm hơn. Hãy để tab mở trong lúc xử lý. Với tệp rất dài, bạn cũng có thể cắt bản ghi thành nhiều phần bằng Cắt âm thanh rồi chuyển từng phần một.
Mẹo để có bản chép lời tốt hơn
Mô hình nghe theo từng đoạn ngắn khoảng 30 giây và ghi lại nội dung kèm thời gian bắt đầu và kết thúc. Mô hình tự thêm dấu câu và viết hoa, nhưng không biết ai đang nói, nên với phỏng vấn bạn sẽ phải tự đánh dấu người nói. Những đoạn im lặng dài và nhạc không có lời sẽ bị bỏ qua hoặc để trống. Nếu bản ghi bắt đầu bằng nhạc, những dòng văn bản đầu tiên có thể xuất hiện muộn hơn bạn nghĩ; điều đó là bình thường.
- Lọc các bản ghi nhiều tạp âm bằng Giảm tiếng ồn trước khi chuyển thành văn bản.
- Nếu người nói nhỏ tiếng, hãy tăng âm lượng bằng Chuẩn hóa âm lượng trước.
- Với phụ đề, hãy kiểm tra thời gian trong trình phát video. Nếu một dòng phụ đề quá dài khó đọc, hãy tách nó trong trình soạn thảo văn bản; SRT và VTT chỉ là tệp văn bản thuần.
- Luôn đọc lại bản chép lời một lần. Sửa lại tên riêng, con số và những từ mà mô hình có thể nghe nhầm.
Tệp video cũng dùng được: chỉ cần thả tệp MP4, công cụ sẽ chép lời phần âm thanh của video, đây là cách nhanh để tạo phụ đề cho video của bạn.