Chuyển âm thanh thành văn bản
Thả bản ghi âm, ghi chú giọng nói hoặc video vào và nhận văn bản theo ngôn ngữ của bạn. Việc nhận dạng giọng nói chạy trên thiết bị của bạn.
Đã niêm phong trên thiết bị này
Chạy ngay trong trình duyệt. Không có gì được tải lên.
Đã niêm phong
Bản ghi của bạn
Cách hoạt động
-
Thêm bản ghi
Thả tệp âm thanh hoặc video vào, hoặc chọn tệp. Tệp được đọc trên thiết bị của bạn và không bao giờ bị tải lên.
-
Chọn ngôn ngữ
Giữ “Tự động nhận diện” hoặc chọn ngôn ngữ được nói, rồi bắt đầu. Lần đầu tiên, mô hình giọng nói sẽ được tải xuống một lần.
-
Sao chép hoặc tải xuống
Văn bản hiện ra dần trong lúc được viết. Sửa lại nếu cần, rồi sao chép hoặc lưu thành tệp .txt.
Câu hỏi thường gặp
Bản ghi của tôi có bị tải lên máy chủ không?
Không. Tệp được giải mã và chuyển thành văn bản ngay trong trình duyệt, trên thiết bị của bạn. Chỉ có mô hình giọng nói được tải xuống từ trang này, và trình duyệt giữ lại nó cho lần sau. Âm thanh và văn bản của bạn không bao giờ được gửi đi đâu cả.
Bản chép lời chính xác đến mức nào?
Lời nói rõ ràng cho kết quả tốt, nhưng không hoàn hảo. Tiếng ồn, nhạc nền, giọng địa phương nặng, nhiều người nói chồng lên nhau, tên riêng và thuật ngữ chuyên ngành có thể gây lỗi. Hãy đọc lại văn bản trước khi dùng và sửa trực tiếp. Công cụ không phân biệt người nói.
Công cụ chuyển được những ngôn ngữ nào?
Hơn 50 ngôn ngữ, trong đó có tiếng Anh, Tây Ban Nha, Pháp, Đức, Bồ Đào Nha, Ý, Hà Lan, Ba Lan, Nga, Ukraina, Thổ Nhĩ Kỳ, Ả Rập, Hindi, Trung, Nhật, Hàn, Indonesia, Việt và Thái. Độ chính xác cao nhất với các ngôn ngữ phổ biến. Tính năng tự động nhận diện nghe 30 giây đầu tiên.
Mất bao lâu?
Tùy vào thiết bị và độ dài bản ghi. Phần nhận dạng giọng nói chạy trên bộ xử lý của bạn, nên một máy tính đời mới nhanh hơn nhiều so với một điện thoại cũ. Lần chạy đầu tiên còn bao gồm việc tải mô hình một lần, sau khi bạn đồng ý. Bạn có thể hủy bất cứ lúc nào và giữ lại phần đã chép được.
Công cụ hỗ trợ những tệp nào?
Hầu hết các tệp âm thanh và video: MP3, WAV, M4A, AAC, OGG, Opus, FLAC, MP4, WebM và MOV. Khi trình duyệt không tự đọc được tệp, công cụ sẽ thử dùng bộ chuyển đổi tích hợp. Có thể mở tệp tối đa 2 GB; bản ghi rất dài cần nhiều bộ nhớ.
Công cụ dùng những thành phần mã nguồn mở nào?
Phần nhận dạng giọng nói là Whisper (mô hình base) do OpenAI phát hành theo giấy phép MIT, ở phiên bản ONNX của ONNX Community. Mô hình chạy bằng Transformers.js của Hugging Face (giấy phép Apache-2.0) và ONNX Runtime Web của Microsoft (giấy phép MIT). Những tệp mà trình duyệt không tự giải mã được sẽ được chuyển đổi bằng FFmpeg biên dịch sang WebAssembly (ffmpeg.wasm), với phần lõi theo giấy phép GPL.