Chuyển bản ghi âm thành văn bản
Đăng ngày · Cập nhật ngày 3 phút đọc
Công cụ chép lời một tệp âm thanh trong trình duyệt của bạn, bằng một mô hình nhỏ. Với giọng rõ, nó sai khoảng một từ trong bốn; việc chọn ngôn ngữ và tiếng ồn làm kết quả thay đổi rất nhiều.
Công cụ làm gì
Âm thanh thành văn bản chép lời một tệp âm thanh bằng bộ máy Whisper, trong trình duyệt của bạn. Tệp không được gửi đi: chỉ có mô hình được tải xuống, một lần, sau khi bạn đánh dấu ô đồng ý. Có ba định dạng xuất: TXT, SRT và VTT.
Lần dùng đầu tiên tải xuống gì
Trong lúc thử nghiệm, trình duyệt tải mô hình và các tập lệnh của nó từ hai dịch vụ nằm ngoài trang: kho lưu trữ mô hình và một mạng phân phối tập lệnh. Mọi yêu cầu này đều là tải xuống; không yêu cầu nào mang nội dung, nên không có tệp âm thanh nào đi ra. Nút “Xóa bộ nhớ đệm Whisper” sau đó gỡ mô hình khỏi trình duyệt.
Các bản ghi thử nghiệm
Các thử nghiệm dùng hai giọng tổng hợp, một giọng nữ và một giọng nam, đọc cùng một văn bản 32 từ: “Le jardin partagé du Vallon ouvre ses parcelles le trois mai. Venez découvrir le compost, les semis et l’atelier des enfants. L’inscription est gratuite et ouverte à toutes les familles du quartier.” Mỗi bản ghi dài 12 đến 14 giây. Vì đã biết văn bản, số từ sai có thể đếm chính xác.
Ngôn ngữ đã chọn
Menu ngôn ngữ có một thiết lập tự động và hai mươi ngôn ngữ. Với mô hình tích hợp, nhận dạng tự động coi cả hai giọng là tiếng Anh và tạo ra các câu tiếng Anh không liên quan đến văn bản được đọc, số lỗi bằng số từ. Vì vậy công cụ mặc định chọn ngôn ngữ của trang, ở đây là tiếng Pháp.
| Giọng | Ngôn ngữ đã đặt | Số từ sai trên 32 |
|---|---|---|
| Nữ | Tự động | 32 |
| Nam | Tự động | 33 |
| Nữ | Tiếng Pháp | 10 (31 %) |
| Nam | Tiếng Pháp | 8 (25 %) |
Một ngôn ngữ đúng cho kết quả gì
Với giọng nam bằng tiếng Pháp, bản chép lời là “Le jardin partagé du vallon ouvre ses parcels le 3 mai. Venez découvrir le compost, les sémisées la te liée des enfants. L’inscription est gratuit et ouvert à toutes les familles du quartier.” Các lỗi mang tính điển hình: mất dạng số nhiều (“parcels”), tên riêng không viết hoa (“vallon”), một con số viết bằng chữ số (“3” thay cho “trois”) và các từ hiếm bị nghe nhầm (“semis”, “atelier”).
Tác động của tiếng ồn
Tiếng ồn được thêm vào giọng nam, ở hai mức. Ở 10 dB, tiếng ồn yếu hơn giọng rõ rệt. Ở 0 dB, nó to bằng giọng.
| Bản ghi | Số từ sai trên 32 |
|---|---|
| Không có tiếng ồn | 8 (25 %) |
| Tiếng ồn nhẹ, 10 dB | 11 (34 %) |
| Tiếng ồn mạnh, 0 dB | 31 (97 %) |
Tiếng ồn nhẹ làm mất vài từ. Tiếng ồn to bằng giọng làm bản chép lời không dùng được.
Thời gian xử lý
Mỗi thử nghiệm mất 6 đến 12 giây cho khoảng 13 giây ghi âm, đã gồm cả việc tải mô hình, trên một máy tính để bàn. Tệp dài hơn tốn nhiều thời gian và bộ nhớ hơn.
Những điều các con số này không nói
Giọng tổng hợp thì đều đặn. Giọng thật, có giọng vùng, ngập ngừng hay nhiều người, sẽ cho các con số khác. Hãy thử một đoạn ngắn của bản ghi của chính bạn trước khi chạy cả tệp.
Cải thiện kết quả
- Chọn ngôn ngữ của bản ghi trong menu.
- Giảm tiếng ồn tại nguồn: một micro đặt gần cho kết quả tốt hơn một bộ lọc sau đó.
- Nếu tệp ở định dạng hiếm, hãy chuyển đổi trước bằng Chuyển đổi bản ghi giọng nói mà không làm giảm chất lượng.
Luôn đọc lại tên riêng, con số và thuật ngữ kỹ thuật.
Kiểm tra văn bản kết quả
- Nghe bản ghi trong khi theo dõi văn bản.
- Sửa tên, con số và sự hòa hợp từ.
- Xuất dưới dạng TXT cho văn bản, hoặc SRT hay VTT cho phụ đề.