Miễn phí, không giới hạn
Chuyển âm thanh thành văn bản bằng AI
Chỉ cần chọn tệp âm thanh, AI (Whisper hoặc SenseVoice) sẽ chép lời ngay trong trình duyệt. Âm thanh không bao giờ được gửi lên máy chủ. Không cần đăng ký, không giới hạn thời lượng, hoàn toàn miễn phí.
Với ngôn ngữ này, độ chính xác giảm mạnh ở các mô hình nhỏ. Hãy chọn Whisper Small trở lên
Thông thường cứ để Auto. Chỉ thay đổi khi số người nói trong kết quả rõ ràng là sai
Không có tệp? Hãy ghi âm bằng micrô. Quá trình chép lời bắt đầu sau khi bạn dừng ghi âm (tối đa khoảng 000 phút trên thiết bị này với mô hình đã chọn). Bản ghi âm cũng không được gửi lên máy chủ nào.
Cách sử dụng
- 1
Chọn tệp âm thanh hoặc ghi âm
Hỗ trợ các định dạng phổ biến như MP3, WAV, M4A và FLAC. Có thể kéo và thả. Không có tệp? Bạn cũng có thể ghi âm bằng micrô rồi chép lời.
- 2
AI tự động chép lời
AI (Whisper, SenseVoice, Haas-ja, Qwen3-ASR hoặc Voxtral) chạy suy luận ngay trong trình duyệt. Lần đầu sẽ tải xuống mô hình (40 MB–5,2 GB tùy mô hình bạn chọn).
- 3
Xuất kết quả
Lưu thành tài liệu (TXT, Word, PDF), phụ đề (SRT, VTT) hoặc dữ liệu (CSV, JSON). Hỗ trợ phân biệt người nói.
Bạn có thể dùng để làm gì
Chuyển bản ghi âm thành văn bản ngay trong trình duyệt. Vì âm thanh của bạn không được tải lên, công cụ cũng phù hợp với những bản ghi bạn không thể giao cho dịch vụ bên thứ ba.
Biên bản cuộc họp
Phân biệt người nói tô màu từng người tham gia, nên bản chép lời đã gần như một biên bản. Các bản ghi nội bộ không phải đưa lên máy chủ bên ngoài.
Chép lời phỏng vấn
Không giới hạn độ dài bản ghi. Người phỏng vấn và người được phỏng vấn được phân biệt tự động, và bạn có thể đặt tên cho từng người.
Phụ đề video và YouTube
Mở trực tiếp tệp MP4 hoặc WebM, kiểm tra và sửa phụ đề trong khi phát video, rồi xuất phụ đề SRT có mốc thời gian. Không cần bước chuyển đổi.
Ghi chép bài giảng và hội thảo
Lưu bài giảng đã ghi thành văn bản có thể tìm kiếm. Các mô hình lớn hơn xử lý tốt hơn âm thanh có nhiều thuật ngữ chuyên ngành.
Ghi chú giọng nói
Có thể mở trực tiếp ghi chú M4A ghi trên điện thoại và chuyển thành văn bản.
Chép lời podcast và livestream
Chép lời các tập đã lưu để dùng lại làm bài viết hoặc làm nền tảng giúp dễ được tìm thấy trên công cụ tìm kiếm.
Bắt đầu từ nhu cầu của bạn
Nếu đã biết loại tệp hoặc mục đích, hãy bắt đầu từ đây — phần giải thích và các bước đã được điều chỉnh cho từng trường hợp.
Chép lời MP3
Chọn tệp MP3 và chuyển thành văn bản.
Chép lời video (MP4)
Tách âm thanh từ MP4 và các video khác rồi chuyển thành văn bản.
Chép lời M4A
Chuyển tệp M4A, như bản ghi âm trên iPhone, thành văn bản.
Tạo phụ đề (SRT)
Tạo phụ đề có mốc thời gian từ âm thanh hoặc video.
Chép lời bằng Whisper AI
Dùng Whisper để chép lời mà không cần cài đặt gì.
Chép lời cuộc họp
Chuyển bản ghi cuộc họp thành biên bản, tách theo người nói.
Chép lời bản ghi âm
Chuyển tệp từ máy ghi âm và bản ghi dài thành văn bản.
Chuẩn bị âm thanh và sau khi chép lời
Các công cụ khác của cùng tác giả. Lưu phát sóng trên X trước khi chép lời, rút ngắn bản ghi dài trước khi mở, hoặc ghép cứng tệp SRT vừa tạo vào video, tất cả ngay trong trình duyệt.
Lưu bản ghi X Space
Lưu bản lưu trữ của một X (Twitter) Space đã kết thúc thành M4A. Tệp có thể mở thẳng trong công cụ này.
X Space Downloader →
Lưu video X
Lưu video và bản lưu trữ phát trực tiếp đăng trên X thành MP4. Mở nguyên video và chép lời.
X Video Downloader →
Chỉnh âm thanh, ghép phụ đề SRT
Cắt khoảng lặng để rút ngắn bản ghi, chỉ tách lấy âm thanh từ video, hoặc ghép cứng tệp SRT vừa tạo vào video. Mọi thứ đều chạy trong trình duyệt.
Media Tools →
Định dạng tệp được hỗ trợ
- Tệp âm thanh
- MP3, WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA, AMR, WebM
- Tệp video
- MP4, MOV, MKV, WebM, AVI, WMV, FLV, MPG, MPEG-TS, 3GP (rãnh âm thanh được tách ra để chép lời; kết quả được phát thành phụ đề trên video)
- Định dạng xuất
- TXT (văn bản thuần), Word (DOCX), PDF (in ra PDF), SRT / VTT (phụ đề có mốc thời gian), CSV và JSON
- Giới hạn dung lượng tệp
- Không giới hạn (độ dài bản ghi xử lý được trong một lần tùy vào bộ nhớ của thiết bị và mô hình đã chọn)
- Xử lý hàng loạt
- Chọn nhiều tệp cùng lúc để chép lời lần lượt và lưu tất cả kết quả vào một tệp ZIP
- Tệp phụ đề
- Mở tệp phụ đề SRT hoặc VTT để sửa, dịch, tóm tắt hoặc chuyển đổi giữa SRT và VTT (chọn kèm video để kiểm tra trong khi phát)
- Ngôn ngữ
- 100 ngôn ngữ (99 ngôn ngữ của Whisper cùng tiếng Quảng Đông với SenseVoice). Ngoài tiếng Nhật, Anh, Trung, Hàn, Tây Ban Nha, Pháp, Đức, Bồ Đào Nha, Nga, Ý và Indonesia, bạn có thể chọn tiếng Hà Lan, Thổ Nhĩ Kỳ, Ba Lan, Thái, Việt, Ả Rập và nhiều ngôn ngữ khác. Tìm theo tên hoặc mã ngôn ngữ, hoặc chọn “Tự động phát hiện” nếu bạn không chắc
Bạn không cần chuyển video sang âm thanh trước — trình duyệt tách rãnh âm thanh ngay khi tệp được mở.
Các mô hình hiện có
Có 12 mô hình để chọn. Mô hình mặc định tùy vào ngôn ngữ và thiết bị, như trong bảng dưới đây, và bạn có thể đổi trong phần cài đặt. Mô hình Whisper càng lớn càng chính xác, nhưng lần đầu tải xuống lâu hơn và cần phần cứng mạnh hơn.
Mô hình mặc định theo ngôn ngữ
- Tiếng Nhật
- Haas-ja v1.0 (máy tính có WebGPU trong Chrome hoặc Edge, trừ máy Mac dùng chip Apple silicon) SenseVoice Small (điện thoại, Safari, Firefox và các môi trường khác)
- Tiếng Trung, tiếng Hàn, tiếng Quảng Đông
- SenseVoice Small
- Tiếng Anh
- Parakeet Ultra (máy tính dùng đồ họa tích hợp trong Chrome hoặc Edge) SenseVoice Small (điện thoại, máy tính không có WebGPU, máy tính dùng đồ họa tích hợp trong Safari hoặc Firefox, v.v.) Whisper Large v3 Turbo (máy tính có GPU rời; Whisper Small với GPU đời cũ) Whisper Small (Mac)
- Tiếng Tây Ban Nha, Đức, Pháp, Ý, Bồ Đào Nha, Nga, Ba Lan, Hà Lan, Ukraina, Hungary, Séc, Hy Lạp
- Parakeet Ultra (máy tính dùng đồ họa tích hợp trong Chrome hoặc Edge) FastConformer (tiếng Tây Ban Nha, Pháp, Ý và Đức; điện thoại và máy tính không có WebGPU, trừ thiết bị ít bộ nhớ) Thiết bị khác: giống như “Ngôn ngữ khác”
- Ngôn ngữ khác
- Whisper Large v3 Turbo (máy tính có GPU rời; Whisper Small với GPU đời cũ) Whisper Small (Mac) Whisper Base (máy tính dùng đồ họa tích hợp) Whisper Tiny (điện thoại, môi trường không có WebGPU, thiết bị có dưới 4 GB bộ nhớ)
Dung lượng và đặc điểm của từng mô hình
| Mô hình | Dung lượng | Ghi chú |
|---|---|---|
| Haas-ja v1.0 | 〜710 MB | Độ chính xác cao, chỉ cho tiếng Nhật. Mắc ít lỗi hơn khoảng 40% so với SenseVoice Small (theo đo đạc của chúng tôi trên giọng đọc). Thời gian xử lý khoảng 1/30 độ dài âm thanh (đo trên máy tính dùng đồ họa tích hợp). Chỉ trên máy tính có WebGPU; lần đầu tải xuống khoảng 710 MB và dùng khoảng 1 GB bộ nhớ GPU (VRAM). Mặc định cho tiếng Nhật trên máy tính có WebGPU trong Chrome hoặc Edge (trừ máy Mac dùng chip Apple silicon) |
| SenseVoice Small | 〜240 MB | Tiếng Nhật, Trung, Hàn, Anh và Quảng Đông. Nhẹ và nhanh, với tiếng Nhật và tiếng Trung thì chính xác ít nhất ngang Large v3 Turbo (mặc định cho tiếng Trung, tiếng Hàn và tiếng Quảng Đông; cho tiếng Nhật trên điện thoại, trong Safari và Firefox, trên máy tính không có WebGPU và trong một số môi trường khác; cho tiếng Anh trên điện thoại, trên máy tính không có WebGPU, trên máy tính dùng đồ họa tích hợp trong Safari hoặc Firefox và trong một số môi trường khác) |
| Parakeet Ultra | 〜500 MB | Mô hình độ chính xác cao cho 25 ngôn ngữ châu Âu, bao gồm tiếng Anh, Tây Ban Nha, Đức và Pháp. Với tiếng Tây Ban Nha, Đức, Pháp, Ý, Bồ Đào Nha và Nga, mô hình mắc ít lỗi hơn 60–80% so với Whisper Base và chính xác ít nhất xấp xỉ Large v3 Turbo (theo đo đạc của chúng tôi trên giọng đọc). Thời gian xử lý khoảng 1/25 độ dài âm thanh (đo trên máy tính dùng đồ họa tích hợp). Chỉ chạy trên máy tính có WebGPU và lần đầu tải xuống khoảng 500 MB. Mặc định cho tiếng Anh, 6 ngôn ngữ này, tiếng Ba Lan, tiếng Hà Lan, tiếng Ukraina, tiếng Hungary, tiếng Séc và tiếng Hy Lạp trên máy tính dùng đồ họa tích hợp trong Chrome hoặc Edge |
| FastConformer | 〜175 MB | Các mô hình theo từng ngôn ngữ (NVIDIA) cho tiếng Tây Ban Nha, Pháp, Ý và Đức. Mắc chưa đến một nửa số lỗi so với Whisper Tiny và xử lý nhanh hơn khoảng 3 lần (theo đo đạc của chúng tôi). Chạy trên CPU, không cần GPU, và lần đầu tải xuống khoảng 175 MB. Mặc định cho 4 ngôn ngữ này trên điện thoại và máy tính không có WebGPU |
| Whisper Tiny | GPU 〜145 MB / CPU 〜40 MB | Nhanh và nhẹ. Phù hợp với âm thanh rõ |
| Whisper Base | GPU 〜280 MB / CPU 〜75 MB | Cân bằng tốt giữa tốc độ và độ chính xác |
| Whisper Small | GPU 〜925 MB / CPU 〜240 MB | Độ chính xác cao. Tốt với thuật ngữ chuyên ngành và âm thanh khó |
| Whisper Medium | 〜650 MB | Chính xác xấp xỉ Large v3 Turbo với dung lượng tải xuống chưa đến một nửa khi dùng WebGPU. Khuyên dùng WebGPU |
| Whisper Large v3 Turbo | GPU 〜1.5 GB / CPU 〜725 MB | Độ chính xác gần cao nhất và nhanh. Khuyên dùng WebGPU (khuyên dùng) |
| Whisper Large v3 | GPU 〜2.0 GB / CPU 〜1.2 GB | Bản Large v3 đầy đủ. Mô hình Whisper chính xác nhất, dung lượng lớn nhất, chậm (gần như bắt buộc WebGPU) |
| Qwen3-ASR 1.7B | 〜5.2 GB | Độ chính xác cao. Chỉ trên máy tính có WebGPU; lần đầu tải xuống khoảng 5,2 GB (hai mô hình: một cho văn bản và một cho mốc thời gian) và dùng khoảng 5 GB bộ nhớ GPU (VRAM) |
| Voxtral Mini 4B | 〜2.9 GB | Độ chính xác cao, chỉ dùng cho tiếng Nhật. Mắc ít lỗi hơn khoảng 30% so với SenseVoice Small (theo đo đạc của chúng tôi trên giọng đọc). Xử lý lâu hơn SenseVoice Small: khoảng 0,4 (máy tính có GPU rời) đến 0,85 (máy tính dùng đồ họa tích hợp) lần độ dài âm thanh. Chỉ trên máy tính có WebGPU; lần đầu tải xuống khoảng 2,9 GB và dùng khoảng 5 GB bộ nhớ GPU (VRAM) |
Whisper Medium trở lên, Haas-ja, Parakeet Ultra, Qwen3-ASR và Voxtral cần môi trường hỗ trợ WebGPU. Voxtral còn cần GPU hỗ trợ số thực dấu phẩy động 16 bit (fp16). Nếu không có WebGPU, hãy chọn Small hoặc nhỏ hơn.
Để tham khảo, Whisper Large v3 và Qwen3-ASR 1.7B đã chạy được trên Windows 11 với GeForce RTX 2060 SUPER (8 GB). Qwen3-ASR dùng khoảng 5 GB bộ nhớ GPU.
Khác biệt so với dịch vụ chép lời trên đám mây
Hầu hết dịch vụ chép lời gửi âm thanh của bạn lên máy chủ của họ để xử lý. Transcriber thì chạy mô hình ngay trong trình duyệt, nên ưu và nhược điểm cũng khác.
| Tiêu chí | Dịch vụ đám mây thông thường | Transcriber |
|---|---|---|
| Âm thanh đi đâu | Được tải lên máy chủ của nhà cung cấp | Không gửi đi — xử lý trên thiết bị của bạn |
| Mức dùng miễn phí | Thường giới hạn số phút mỗi tháng | Không giới hạn thời lượng hay số lần |
| Cần tài khoản | Thường là có | Không |
| Dùng ngoại tuyến | Không được | Được, sau khi đã tải mô hình xuống |
| Yếu tố quyết định tốc độ | Phần cứng máy chủ của nhà cung cấp | GPU / CPU trên thiết bị của bạn |
Dịch vụ đám mây có ưu điểm là tốc độ ổn định trên thiết bị cấu hình yếu. Xử lý trong trình duyệt phù hợp khi bản ghi không được phép rời khỏi tầm kiểm soát của bạn, hoặc khi bạn cần xử lý âm thanh dài mà không bị giới hạn hạn mức.
Câu hỏi thường gặp
Có thật sự miễn phí không? Có giới hạn thời lượng hay số lần dùng không?
Hoàn toàn miễn phí. Không giới hạn thời lượng, số lần chạy, số ký tự hay dung lượng tệp, và không cần thẻ tín dụng. Điều duy nhất thay đổi là độ dài bản ghi có thể xử lý trong một lần, tùy vào bộ nhớ của thiết bị và mô hình đã chọn; nếu tệp không vừa, trang sẽ báo cho bạn trước khi bắt đầu xử lý.
Âm thanh của tôi có bị tải lên máy chủ không?
Không. AI (Whisper hoặc SenseVoice) chạy suy luận ngay trong trình duyệt, nên âm thanh không bao giờ rời khỏi thiết bị của bạn. Bản ghi âm của bạn không bao giờ được lưu trên máy chủ hay chuyển cho bên thứ ba.
Tôi có cần tạo tài khoản hoặc đăng nhập không?
Không. Mở trang, chọn tệp âm thanh là quá trình chép lời bắt đầu. Bạn không bao giờ bị yêu cầu cung cấp địa chỉ email.
Hỗ trợ những định dạng tệp nào?
Âm thanh: MP3, WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA và AMR. Video: MP4, MOV, MKV, WebM, AVI, WMV, FLV, MPG, MPEG-TS và 3GP. Bạn có thể kéo và thả tệp hoặc chọn tệp qua hộp thoại chọn tệp.
Tôi có thể chép lời tệp video không?
Có. Mở tệp MP4, MOV, MKV, WebM, AVI hoặc tệp video khác, trình duyệt sẽ tách rãnh âm thanh để chép lời. Không cần chuyển sang tệp âm thanh trước. Sau khi chép lời, bạn có thể phát video với kết quả hiển thị thành phụ đề để kiểm tra và sửa, hoặc xem với phụ đề đã dịch. Không giới hạn dung lượng tệp, nên video vài gigabyte cũng mở được nguyên trạng. Video lưu từ X (Twitter) bằng X Video Downloader có thể mở nguyên trạng; để chỉ tách lấy âm thanh trước, hãy dùng Media Tools.
Công cụ có phân biệt được người nói không?
Có hỗ trợ phân biệt người nói. Với bản ghi có nhiều người tham gia như cuộc họp hoặc phỏng vấn, mỗi người nói được hiển thị bằng một màu khác nhau. Số người nói được ước lượng tự động, nên thông thường không cần đặt. Có thể đổi tên nhãn người nói trên màn hình, gộp những người nói bị tách nhầm, và gán lại hoặc tách bất kỳ dòng nào. Khi dùng máy tính, trình duyệt (không phải Firefox) dùng được WebGPU và số người nói để ở Auto, phân biệt người nói dùng NVIDIA Nemotron 3 Diarization; ngược lại thì dùng pyannote, và trong cả hai trường hợp, WeSpeaker được dùng để so sánh đặc điểm giọng nói.
Tôi có thể tạo tệp phụ đề không?
Có — bản chép lời có thể xuất thành phụ đề SRT và VTT (WebVTT) có mốc thời gian, sẵn sàng đưa vào phần mềm biên tập video hoặc nền tảng video (nhiều phần mềm biên tập video nhận SRT). Ngoài ra còn có xuất văn bản thuần (TXT), Word (DOCX), PDF, CSV, JSON và sao chép vào bộ nhớ tạm. Để ghép cứng tệp SRT đã xuất vào video, hãy dùng Media Tools (ghép phụ đề).
Tôi có thể dịch bản chép lời không?
Có. Mở “Dịch” ở đầu phần kết quả, chọn ngôn ngữ nguồn và ngôn ngữ đích, bản dịch sẽ hiện dưới mỗi dòng. Mọi định dạng xuất đều có thể chứa bản gốc, bản dịch hoặc cả hai. Nếu bạn đã mở video, bản dịch cũng có thể hiển thị thành phụ đề trên video khi phát. Tính năng dịch dùng trình dịch tích hợp trong Chrome 138+ và Edge 148+ trên máy tính và chạy hoàn toàn trên thiết bị của bạn, nên bản chép lời không bao giờ được gửi đi đâu. Tính năng này không có trên điện thoại thông minh hay trong Firefox và Safari. Lần đầu dùng một ngôn ngữ sẽ tải xuống mô hình dịch của ngôn ngữ đó.
Có dùng được ngoại tuyến không?
Có. Sau khi mô hình AI đã được tải xuống một lần, quá trình chép lời hoạt động không cần kết nối mạng. Dung lượng mô hình từ khoảng 40 MB đến 5,2 GB tùy mô hình bạn chọn.
Làm sao để tăng độ chính xác?
Chọn mô hình phù hợp với ngôn ngữ sẽ tăng độ chính xác. Với tiếng Nhật, Haas-ja v1.0 chính xác nhất trong các mô hình hiện có, mắc ít lỗi hơn khoảng 40% so với SenseVoice Small (theo đo đạc của chúng tôi trên giọng đọc). Mô hình này chỉ chạy trên máy tính có WebGPU, lần đầu tải xuống khoảng 710 MB, và thời gian xử lý khoảng 1/30 độ dài âm thanh (đo trên máy tính dùng đồ họa tích hợp). Đây là mặc định cho tiếng Nhật trên máy tính có WebGPU trong Chrome hoặc Edge (trừ máy Mac dùng chip Apple silicon). Với tiếng Trung và tiếng Hàn, và với tiếng Nhật ở nơi khác như trên điện thoại hoặc trong Safari và Firefox, mô hình mặc định SenseVoice Small nhẹ và nhanh, và với tiếng Nhật và tiếng Trung thì chính xác ít nhất ngang Whisper Large v3 Turbo. Với các ngôn ngữ khác, mô hình càng lớn càng chính xác; trên thiết bị hỗ trợ WebGPU, nên dùng Whisper Large v3 Turbo vì chính xác cao mà vẫn nhanh (là mặc định trên máy tính có GPU rời). Với 25 ngôn ngữ châu Âu (bao gồm tiếng Anh, Tây Ban Nha, Đức và Pháp), bạn cũng có thể chọn Parakeet Ultra. Mô hình này chính xác xấp xỉ Whisper Large v3 Turbo (với tiếng Hy Lạp, Turbo chính xác hơn) và chỉ mất khoảng 1/7 thời gian xử lý của Turbo (chỉ trên máy tính có WebGPU; lần đầu tải xuống khoảng 500 MB). Đây là mặc định cho tiếng Anh, Tây Ban Nha, Đức, Pháp, Ý, Bồ Đào Nha, Nga, Ba Lan, Hà Lan, Ukraina, Hungary, Séc và Hy Lạp trên máy tính dùng đồ họa tích hợp trong Chrome hoặc Edge. Trên điện thoại và máy tính không có WebGPU, mặc định cho tiếng Tây Ban Nha, Pháp, Ý và Đức là FastConformer, mắc chưa đến một nửa số lỗi so với Whisper Tiny và xử lý nhanh hơn khoảng 3 lần (lần đầu tải xuống khoảng 175 MB). Với tiếng Anh trên điện thoại, trên máy tính dùng đồ họa tích hợp trong Safari và Firefox, và trên các thiết bị tương tự, SenseVoice Small là mặc định; mô hình này mắc ít lỗi hơn Whisper Base và chạy nhanh hơn. Trên máy tính có WebGPU, bạn cũng có thể chọn Qwen3-ASR 1.7B (lần đầu tải xuống khoảng 5,2 GB), mắc ít lỗi hơn Whisper Large v3 Turbo với tiếng Nhật, tiếng Anh và tiếng Trung. Chỉ định rõ ngôn ngữ thay vì để tự động phát hiện cũng giúp giảm lỗi. Để biết tỷ lệ lỗi và thời gian xử lý mà chúng tôi đo được cho từng mô hình ở từng ngôn ngữ, hãy xem So sánh mô hình và cách chọn.
Tôi có thể dùng trên điện thoại thông minh không?
Có, nhưng công cụ chạy ở chế độ tiết kiệm bộ nhớ (WASM) để bảo vệ thiết bị, nên độ dài xử lý được trong một lần ngắn hơn so với trên máy tính. Với bản ghi dài, nên dùng máy tính để bàn hoặc máy tính xách tay.
Các bạn có thu thập thông tin lỗi không?
Chỉ thu thập số liệu thống kê cần thiết để sửa lỗi và cải thiện tính năng. Cụ thể gồm: thông số thiết bị (mẫu GPU, bộ nhớ, số nhân), trình duyệt và hệ điều hành, mô hình và ngôn ngữ bạn chọn, cài đặt phân biệt người nói (bật hay tắt, và số người nói bạn đặt), ngôn ngữ hiển thị của trang, quá trình xử lý đã đi đến đâu (kể cả khi bạn dừng hoặc đóng trang), loại và nội dung lỗi, định dạng tệp cùng dung lượng và độ dài ước chừng, thời gian của từng giai đoạn, và lượng dữ liệu mô hình AI đã tải xuống. Một số tạm thời liên kết các lần chạy trong cùng một thẻ cũng được gửi (số này bị xóa khi bạn đóng thẻ). Các mục này cũng được gửi cả khi thành công, vì để tính tỷ lệ lỗi cần cả hai. Trên màn hình kết quả, công cụ còn gửi số lần bạn dùng chỉnh sửa (như đổi tên người nói hoặc tách dòng), dịch, tóm tắt và nhập phụ đề, các định dạng bạn chọn trong “Tải xuống”, số lần bạn dùng “Sao chép văn bản” và “Tải xuống tất cả”, và cặp ngôn ngữ dịch. Âm thanh, bản chép lời (bao gồm tên người nói và bản dịch), tên tệp và địa chỉ IP không bao giờ được gửi, và dữ liệu chỉ đến máy chủ riêng của trang này — không bao giờ đến dịch vụ của bên thứ ba. Bạn có thể tắt bất cứ lúc nào bằng công tắc trong mục “Giúp chúng tôi cải thiện dịch vụ” ở gần cuối trang.
Tôi có thể lưu bản chép lời thành Word hoặc PDF không?
Có. Trong “Tải xuống” bên dưới kết quả, chọn “Word (DOCX)” để lưu tài liệu mở được bằng Word. PDF được lưu qua chức năng in của trình duyệt: chọn “PDF”, rồi lưu thành PDF trong hộp thoại in vừa mở (trên iPhone và iPad, dùng nút chia sẻ trong màn hình in và lưu vào Tệp). Ngoài ra còn có CSV cho bảng tính và JSON cho chương trình. Mọi định dạng đều được tạo trong trình duyệt, nên bản chép lời không bao giờ được gửi đi đâu.
Tôi có thể ghi âm từ micrô trong trình duyệt rồi chép lời không?
Có. Nhấn “Ghi âm bằng micrô” để ghi âm bằng micrô của máy tính hoặc điện thoại. Nhấn “Dừng ghi âm”, rồi “Bắt đầu chép lời”, bản ghi âm sẽ được chép lời. Bản ghi âm cũng không được gửi đi đâu; bản ghi được lưu trong lịch sử của thiết bị này. Bạn có thể ghi âm tối đa 3 giờ, hoặc ít hơn tùy vào bộ nhớ của thiết bị và mô hình đã chọn; giới hạn được hiển thị trước khi bạn bắt đầu ghi âm. Trên điện thoại, khóa màn hình hoặc chuyển sang ứng dụng khác trong khi ghi âm có thể làm dừng ghi âm.
Tôi có thể chép lời nhiều tệp cùng lúc không?
Có. Chọn nhiều tệp trong hộp thoại chọn tệp hoặc thả cùng lúc, các tệp sẽ được chép lời lần lượt với cùng cài đặt (mô hình, ngôn ngữ và phân biệt người nói). Mỗi kết quả được lưu vào lịch sử trên thiết bị này. Khi tất cả đã xong, chọn TXT, Word, SRT, VTT, CSV hoặc JSON trong “Tải xuống tất cả” để lưu các kết quả vào một tệp ZIP, mỗi bản chép lời một tệp. Tệp không xử lý được sẽ bị bỏ qua và tệp tiếp theo được bắt đầu. Mọi quá trình xử lý đều chạy trong trình duyệt, và các tệp không được gửi đi đâu.
Tôi có thể tạo bản tóm tắt hoặc biên bản cuộc họp từ bản chép lời không?
Có. Trong Chrome hoặc Edge (phiên bản 138 trở lên) trên máy tính, nhấn “Tóm tắt” trên màn hình kết quả, AI tích hợp trong trình duyệt (Gemini Nano) sẽ biến bản chép lời thành danh sách các ý chính. Bản tóm tắt cũng được tạo trong trình duyệt, nên bản chép lời không được gửi đi đâu. Khi lưu thành Word, TXT hoặc PDF, bản tóm tắt được đặt ở đầu, nên bạn có thể dùng làm bản nháp đầu tiên cho biên bản cuộc họp. Tính năng tóm tắt hỗ trợ tiếng Nhật, Anh, Tây Ban Nha, Đức và Pháp. Lần đầu, trình duyệt sẽ tải xuống một mô hình AI, cần 22 GB dung lượng trống, cùng với bộ nhớ từ 16 GB trở lên hoặc GPU có hơn 4 GB VRAM. Tính năng này không hoạt động trên điện thoại, Firefox hay Safari.
Tôi có thể sửa tệp phụ đề SRT hoặc VTT mà tôi đã có không?
Có. Chọn tệp phụ đề SRT hoặc VTT trong hộp thoại chọn tệp, tệp sẽ mở trên màn hình kết quả mà không cần chép lời. Bạn có thể sửa nội dung và thời gian của các dòng, tách hoặc xóa dòng, dịch và tóm tắt, rồi lưu thành SRT, VTT, TXT, Word và các định dạng khác từ “Tải xuống” (cũng là cách chuyển SRT sang VTT). Chọn tệp phụ đề cùng với tệp video (hoặc âm thanh) để phát video có phụ đề hiển thị bên trên. Việc đọc tệp cũng diễn ra trong trình duyệt, và các tệp không được gửi đi đâu.
Giúp chúng tôi cải thiện dịch vụ
Gửi cho chúng tôi tình huống của mỗi lần chạy — dù thành công hay thất bại — giúp chúng tôi tìm ra lỗi (để tính tỷ lệ lỗi cần cả hai). Biết thiết bị và cài đặt nào hay lỗi nhất giúp chúng tôi điều chỉnh các mặc định được khuyên dùng và sửa những lỗi phía sau. Nếu bạn không phiền, hãy cứ để tùy chọn này bật — điều đó thật sự giúp ích cho chúng tôi.
Những gì được gửi
Thông số thiết bị (mẫu GPU, bộ nhớ, số nhân), trình duyệt và hệ điều hành, mô hình và ngôn ngữ bạn chọn, cài đặt phân biệt người nói (bật hay tắt, và số người nói bạn đặt), ngôn ngữ hiển thị của trang, quá trình xử lý đã đi đến đâu (kể cả khi bạn dừng hoặc đóng trang), loại và chi tiết lỗi, định dạng tệp cùng dung lượng và độ dài ước chừng, thời gian của từng giai đoạn, và lượng dữ liệu mô hình AI đã tải xuống. Một số tạm thời liên kết các lần chạy trong cùng một thẻ (số này bị xóa khi bạn đóng thẻ). Trên màn hình kết quả: số lần bạn dùng chỉnh sửa (như đổi tên người nói hoặc tách dòng), dịch, tóm tắt và nhập phụ đề, các định dạng bạn chọn trong “Tải xuống”, số lần bạn dùng “Sao chép văn bản” và “Tải xuống tất cả”, và cặp ngôn ngữ dịch.
Những gì không bao giờ được gửi
Âm thanh, bản chép lời (bao gồm tên người nói và bản dịch), tên tệp và địa chỉ IP. Dữ liệu chỉ đến máy chủ riêng của trang này, không bao giờ đến dịch vụ của bên thứ ba.