Hình minh họa sóng âm chảy vào các dòng chữ trống trên màn hình máy tính xách tay
Âm thanh thành văn bản6 phút đọc

Cách chuyển âm thanh thành văn bản ngay trên máy tính

Ba cách biến bản ghi âm thành chữ, cùng các bước thực hiện ngay trên máy tính của bạn bằng DijiFlow Dictate, mà tệp vẫn nằm nguyên trên ổ đĩa của bạn.

Bạn có một bản ghi âm, có thể là một buổi phỏng vấn, một bài giảng hay một cuộc họp, và cần chuyển lời nói trong đó thành chữ. Bài viết này hướng dẫn cách chuyển âm thanh thành văn bản ngay trên máy tính của bạn bằng DijiFlow Dictate: tệp vẫn nằm trên ổ đĩa của bạn và bạn không phải mua gói phút nào.

Ba cách chuyển âm thanh thành văn bản

  • Tự gõ lại. Cách này không tốn tiền, nhưng vừa nghe, vừa tạm dừng, vừa gõ sẽ mất nhiều thời gian hơn hẳn độ dài của bản ghi.
  • Tải lên một dịch vụ trực tuyến. Bắt đầu nhanh, nhưng tệp sẽ rời khỏi máy tính của bạn, và một số dịch vụ giới hạn độ dài bản ghi hoặc tính phí theo phút.
  • Dùng một ứng dụng trên máy tính. Bản ghi được đọc từ ổ đĩa của bạn và bản phiên âm được lưu lại ngay đó. DijiFlow Dictate hoạt động theo cách này, trên cả Mac và Windows.

Cách phiên âm một tệp âm thanh trong DijiFlow Dictate

Các nhãn dưới đây là nhãn hiển thị trong ứng dụng Mac bằng tiếng Việt. Nếu đây là lần đầu bạn dùng ứng dụng, hướng dẫn bắt đầu sẽ giúp bạn cài đặt và tải mô hình đầu tiên.

  1. Mở tab “Phiên âm tệp”. Nhấp vào biểu tượng DijiFlow Dictate trên thanh menu, chọn “Cài đặt”, rồi chọn tab “Phiên âm tệp”.
  2. Thêm tệp. Kéo tệp âm thanh vào cửa sổ, hoặc nhấp “Chọn tập tin...” trong thẻ “Chọn tệp video hoặc âm thanh”. Bạn có thể chọn nhiều tệp cùng lúc; chúng sẽ được xử lý lần lượt.
  3. Chọn ngôn ngữ nói. Chọn ngôn ngữ của bản ghi ở mục “Ngôn ngữ nói”. Chỉ định rõ ngôn ngữ cho kết quả ổn định hơn so với việc để ứng dụng tự nhận diện.
  4. Chọn “Văn bản”. Trong thẻ “Định dạng kết quả”, chọn “Văn bản”. Để “Ngôn ngữ kết quả” ở “Giống ngôn ngữ đã nói”, trừ khi bạn muốn có văn bản bằng ngôn ngữ khác (tính năng dịch có trong Pro và bản dùng thử).
  5. Nhấn “Phiên âm”. Khi xử lý xong, văn bản hiện ra trong ô kết quả. Dùng “Sao chép”, hoặc “Lưu dưới dạng...” để lưu thành tệp văn bản thuần.

Trang phiên âm tệp trình bày cùng quy trình ba bước này, kèm theo các tùy chọn phụ đề và dịch.

Bản ghi dài

Với Pro và bản dùng thử 30 ngày, tệp dài bao nhiêu cũng được. Một bộ phim 90 phút chiếm khoảng 1 GB bộ nhớ trong lúc xử lý, nên ngay cả bản ghi dài cỡ một bộ phim cũng chạy được trên chiếc máy tính bạn đang dùng.

Với phiên bản miễn phí, ứng dụng phiên âm 3 phút đầu của mỗi tệp bằng một mô hình nhỏ hơn và chỉ chạy trên CPU, nên chậm hơn. Số lượng tệp thì không giới hạn. Muốn thử đầy đủ thì hãy dùng bản dùng thử 30 ngày: bản này nhận tệp dài bao nhiêu cũng được và cho bạn chọn mô hình lớn nhất.

Âm thanh của bạn đi đâu

Bản ghi được đọc từ ổ đĩa và phiên âm ngay trên máy tính của bạn, rồi bản phiên âm được lưu lại tại đó. Âm thanh và văn bản của bạn không bao giờ bị tải lên. Phiên bản miễn phí và bản dùng thử không cần tài khoản, cũng không cần thẻ thanh toán. Mô hình nhận dạng giọng nói được tải về ở lần đầu bạn dùng ứng dụng, còn các mô hình lớn hơn được tải về khi bạn chọn chúng lần đầu.

Điều này quan trọng với những bản ghi bạn không muốn giao cho người lạ: cuộc gọi với khách hàng, bản ghi âm gia đình, các cuộc phỏng vấn chưa công bố.

Để có bản phiên âm chính xác hơn

  • Chọn đúng ngôn ngữ. DijiFlow hỗ trợ đầy đủ 29 ngôn ngữ và nhận diện được 90+ ngôn ngữ khi bật Tự động phát hiện. Các ngôn ngữ ngoài 29 ngôn ngữ này chưa được tinh chỉnh, và văn bản có thể được xuất ra bằng tiếng Anh.
  • Dùng mô hình lớn nhất cho âm thanh khó. Với Pro và bản dùng thử, bạn có thể chọn mô hình “Lớn”. Mô hình này chạy lâu hơn nhưng nhận đúng nhiều từ hơn khi có tiếng ồn và nhạc.
  • Thêm tên riêng và thuật ngữ của bạn. Với Pro và bản dùng thử, tab “Từ vựng” có phần “Thuật ngữ tùy chỉnh”: thêm tên người, thương hiệu và thuật ngữ chuyên ngành xuất hiện trong bản ghi, mỗi dòng một mục, và bản phiên âm sẽ được sửa theo đó.
  • Bật dấu thời gian hoặc nhận diện người nói. Với Pro và bản dùng thử, thẻ “Đầu ra” có “Hiển thị dấu thời gian” và “Nhận diện người nói”; tùy chọn thứ hai gắn nhãn các dòng là Speaker 1, Speaker 2, v.v.
  • Ghi âm rõ ràng. Với giọng nói rõ ràng, độ chính xác đạt khoảng 98% khi dùng mô hình lớn nhất. Khoảng cách xa micrô, nhiều người nói chồng lên nhau và tiếng ồn nền đều làm giảm độ chính xác.

Dù cài đặt thế nào, hãy đọc lại bản phiên âm trước khi dùng, nhất là tên riêng và con số.

Những việc ứng dụng không làm được

DijiFlow Dictate làm việc với các tệp có trên máy tính của bạn. Ứng dụng không nhận liên kết web, nên bản ghi trên một trang web cần được lưu về ổ đĩa trước, nếu bạn có quyền làm vậy. Ứng dụng cũng không phải bot tham gia cuộc họp trực tuyến: ứng dụng phiên âm bản ghi sau cuộc gọi, chứ không phiên âm cuộc gọi khi nó đang diễn ra.

Câu hỏi thường gặp

Những định dạng âm thanh nào dùng được?

Hầu hết các định dạng phổ biến đều dùng được, gồm MP3, WAV, M4A, AAC, AIFF và FLAC, cùng phần âm thanh của các tệp video như MP4 và MOV. Nếu một tệp không phải tệp âm thanh hay video, ứng dụng sẽ bỏ qua và báo rằng định dạng không được hỗ trợ. Hãy thử trước với các tệp của bạn trên phiên bản miễn phí.

Có thể chuyển âm thanh thành văn bản miễn phí không?

Có, nhưng có giới hạn. Bạn được dùng phiên bản miễn phí mãi mãi, không cần tài khoản, không cần thẻ thanh toán, và phiên âm 3 phút đầu của mỗi tệp. Để phiên âm trọn vẹn những bản ghi dài, bản dùng thử 30 ngày mở khóa mọi tính năng Pro. Trên Mac, bạn bắt đầu dùng thử ngay ở màn hình đầu tiên của ứng dụng bằng nút “Tiếp tục với bản dùng thử miễn phí”, không cần thẻ thanh toán và không cần email.

Ứng dụng có chuyển MP3 thành văn bản được không?

Được. Thả tệp MP3 vào tab “Phiên âm tệp” và làm theo các bước ở trên. Tệp WAV và M4A cũng dùng được theo cách tương tự.

Ứng dụng có chạy trên Windows không?

Có. DijiFlow Dictate chạy trên Windows 10 và 11, và trên macOS 14 trở lên với máy Mac dùng chip Apple Silicon. Các nhãn trong bài này lấy từ ứng dụng Mac.

Để thử với một bản ghi của chính bạn, hãy tải DijiFlow Dictate. Phiên bản miễn phí xử lý 3 phút đầu của mỗi tệp, còn bản dùng thử xử lý toàn bộ tệp.

DijiFlow DictateDijiFlow Dictate

Đội ngũ DijiFlow Dictate

Ghi chú về dịch giọng nói ngay trên thiết bị, riêng tư, và cách làm được nhiều việc hơn bằng giọng nói của bạn.