Chuyển tệp MP3 thành văn bản
Chọn tệp MP3, AI (Whisper hoặc SenseVoice) sẽ chép lời ngay trong trình duyệt. Âm thanh không bao giờ đến máy chủ. Không cần tài khoản, không trả phí, không giới hạn độ dài.
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 chuyển MP3 thành văn bản
- Chọn ngôn ngữ. Tự động phát hiện vẫn hoạt động, nhưng chọn đúng ngôn ngữ thực tế (ví dụ tiếng Việt cho bản ghi tiếng Việt) sẽ giảm nhận dạng sai. Phân biệt người nói được bật sẵn; nếu chỉ có một người nói, bạn có thể tắt.
- Thả tệp MP3 vào đây hoặc nhấp để chọn. Quá trình chép lời bắt đầu ngay khi tệp được mở, và các dòng lần lượt hiện ra khi được hoàn tất.
- Khi xong, nhấp vào một dòng để nghe lại âm thanh từ vị trí đó và sửa lỗi. Sau đó chọn TXT, Word hoặc định dạng khác trong “Tải xuống”, hoặc sao chép trực tiếp văn bản.
Những điều cần lưu ý với MP3
MP3 là định dạng nén, nên bitrate của bản ghi gốc ảnh hưởng trực tiếp đến độ chính xác. Từ 128 kbps trở lên, hội thoại thông thường được nhận dạng ổn định. Dưới 64 kbps — hoặc với bản ghi điện thoại đã mất dải tần cao — bạn sẽ thấy nhiều từ bị sót hơn. Với các ngôn ngữ khác tiếng Nhật, tiếng Trung và tiếng Hàn, chuyển sang mô hình Small trở lên thường giúp ích. Với tiếng Tây Ban Nha, tiếng Đức và các ngôn ngữ châu Âu khác trên máy tính có WebGPU, Parakeet Ultra chính xác hơn và nhanh hơn Small.
Mọi thứ chạy trên thiết bị của bạn. Tệp không được tải lên và văn bản kết quả cũng không được gửi đi đâu, nên các bản ghi không thể chia sẻ ra ngoài — cuộc họp, phỏng vấn — có thể xử lý nguyên trạng.
Các khoảng lặng không được xử lý, nên thời gian cần thiết tùy vào thời lượng người nói thực sự, không phải độ dài tệp. Bài giảng có nhiều quãng nghỉ dài, hoặc bản ghi có những lúc lâu không ai nói, sẽ xong nhanh hơn so với độ dài của chúng.
Nếu gặp sự cố
- Nếu cùng một tên riêng hay thuật ngữ bị chép sai nhiều lần, hãy sửa tất cả một lượt bằng “Tìm và thay thế” trên màn hình kết quả.
- Trong podcast có nhạc nền hoặc nhạc hiệu, có thể xuất hiện những câu không ai nói trong lúc có nhạc. Hãy xóa các dòng đó trên màn hình kết quả.
Câu hỏi thường gặp
Tôi có thể chép lời các định dạng khác MP3 không?
Có. WAV, M4A, AAC, FLAC, OGG, Opus, AIFF, WMA, AMR và WebM đều được hỗ trợ. Nếu bạn chọn tệp video, chỉ rãnh âm thanh được tách ra và xử lý.
Có giới hạn dung lượng tệp không?
Không. Cũng không giới hạn thời lượng. Độ dài bản ghi xử lý được trong một lần tùy vào bộ nhớ của thiết bị và mô hình đã chọn; nếu không vừa, trang sẽ báo cho bạn trước khi bắt đầu xử lý.
Âm thanh của tôi có bị tải lên đâu không?
Không. Quá trình chép lời chạy trong trình duyệt, và cả tệp âm thanh lẫn văn bản kết quả đều không được gửi đến máy chủ bên ngoài nào. Thống kê xử lý dùng để sửa lỗi (thông số thiết bị, loại lỗi, v.v.) được gửi đến máy chủ riêng của trang này, nhưng không chứa âm thanh, nội dung bản chép lời, tên tệp hay địa chỉ IP. Bạn có thể dừng việc này bằng cách tắt công tắc trong mục “Giúp chúng tôi cải thiện dịch vụ” ở cuối trang.
Chép lời mất bao lâu?
Tùy vào thiết bị và kích thước mô hình. Khi có WebGPU, thường nhanh hơn thời gian thực; nếu không có, có thể mất gấp vài lần độ dài âm thanh.
Chuẩn bị âm thanh và sau khi chép lời
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.