Chuyển giọng nói trong âm thanh hoặc video thành văn bản

Cách hoạt động

Các dịch vụ chép lời yêu cầu bạn tải bản ghi lên, mà bản ghi là các cuộc phỏng vấn, họp, bài giảng và buổi tư vấn — thuộc nhóm tệp nhạy cảm nhất mà ai cũng xử lý. Công cụ này chạy mô hình giọng nói ngay trên máy của bạn. Cái giá là thời gian, và nó đủ lớn để nói trước khi bạn bắt đầu chứ không phải sau.

Chậm đến mức nào, nói thực tế

Mô hình nặng 41 MB và chỉ tải một lần. Sau đó, việc chép lời mất xấp xỉ bằng thời lượng bản ghi trên laptop hiện đại, và lâu hơn hai đến ba lần trên máy cũ hoặc điện thoại. Một đoạn năm phút chỉ bằng một tách cà phê; một cuộc họp dài một giờ thì không thực tế. Giới hạn độ dài mặc định là năm phút vì lý do đó — hãy tăng có chủ ý, đừng tăng vô tình.

Bạn nhận được gì

Phụ đề dạng .srt hoặc .vtt có mốc thời gian, sẵn sàng ghép vào video bằng công cụ phụ đề ở đây, hoặc văn bản thuần cho bản chép lời. Mốc thời gian do mô hình tạo ra và thường gần đúng nhưng không chính xác đến từng khung hình.

Độ chính xác, nói thật

Đây là mô hình Whisper nhỏ, được chọn vì các mô hình lớn hơn nặng hàng trăm megabyte. Nó tốt với giọng tiếng Anh rõ, thu gần micrô. Nó kém hơn rõ rệt với giọng vùng miền đậm, hai người nói chồng lên nhau, tiếng ồn nền, thuật ngữ chuyên môn và tên riêng. Dấu câu không nhất quán. Hãy đọc lại trước khi gửi đi đâu đó.

Chỉ tiếng Anh

Mô hình chỉ dành cho tiếng Anh được dùng vì nó nhỏ hơn và chính xác hơn với tiếng Anh so với phiên bản đa ngôn ngữ ở cùng kích thước.