Tận dụng tối đa DijiFlow Dictate
Chỉ vài điều chỉnh nhỏ cũng tạo khác biệt lớn về độ chính xác, tốc độ và sự thoải mái. Dưới đây là những cách chúng tôi thích nhất để tinh chỉnh ứng dụng cho hợp với giọng nói, ngôn ngữ và máy tính của bạn.
Micrô quan trọng hơn bất kỳ cài đặt nào trong ứng dụng. Micrô cài áo (lavalier), loại kẹp nhỏ gắn vào áo hoặc cổ áo, là một trong những cách nâng cấp rẻ nhất mà hiệu quả nhất để tăng độ chính xác. Micrô nằm gần miệng, giữ khoảng cách ổn định khi bạn cử động, và lọc bớt phần lớn tiếng ồn trong phòng, thứ thường làm micrô tích hợp của laptop nghe sai.
Tóm lại: gần như bất kỳ micrô rời nào đặt gần miệng bạn hơn micrô tích hợp của laptop cũng sẽ cho kết quả tốt hơn rõ rệt.
Ngưỡng im lặng giúp DijiFlow phân biệt lúc bạn đang nói với tiếng ồn nền. Chỉnh ngưỡng này cho đúng với căn phòng của bạn là điều chỉnh quan trọng nhất để tránh phần lớn tình trạng mất chữ và tự kích hoạt nhầm. Hãy dùng tính năng kiểm tra micrô có sẵn để chỉnh.
- 1 Mở Cài đặt và nhấp Kiểm tra micrô.
- 2 Nói bình thường và nhìn thanh đo mức: khi bạn nói, mức tín hiệu nên nằm khoảng từ giữa đến phía bên phải thanh đo.
- 3 Giờ hãy im lặng: mức tín hiệu phải giảm xuống và nằm dưới vạch trắng. Vạch này nên đặt ở đâu tùy vào căn phòng của bạn ồn đến mức nào.
- 4 Kéo bộ lọc im lặng để đưa vạch trắng lên hoặc xuống. Vạch trắng chính là ngưỡng im lặng: mọi âm thanh dưới vạch đều được coi là im lặng.
- 5 Kéo độ nhạy micrô để thay đổi mức giọng nói của bạn trên thanh đo, sao cho tiếng nói vượt hẳn qua vạch.
Hãy tạo một khoảng cách rõ ràng: lúc nói, mức tín hiệu cao hẳn trên vạch trắng; lúc im lặng, thấp hẳn dưới vạch. Kiểm tra lại mỗi khi bạn đổi phòng hoặc đổi micrô.
DijiFlow có thể học những từ riêng của bạn, như tên người, thuật ngữ chuyên ngành, tên thương hiệu, và tự động sửa cho đúng. Vì việc sửa diễn ra sau khi phiên âm, kết quả chính xác hơn mà những gì mô hình nghe được không hề bị tác động.
- 1 Mở tab Từ vựng.
- 2 Đánh dấu các lĩnh vực phù hợp với bạn để ứng dụng nạp đúng gói thuật ngữ.
- 3 Thêm thuật ngữ tùy chỉnh của riêng bạn: tên đồng nghiệp, tên công ty, tên sản phẩm và những từ bạn hay nói.
- 4 Nếu ứng dụng cứ nghe nhầm một từ nào đó, hãy thêm cách viết đúng vào thuật ngữ tùy chỉnh, và ứng dụng sẽ bắt đầu viết đúng từ đó.
Hãy coi thuật ngữ tùy chỉnh là một danh sách luôn được bổ sung: mỗi khi có từ ra sai, thêm cách viết đúng vào là lỗi đó không lặp lại.
Ở chế độ Nâng cao, bạn tự chọn mô hình: trên từng thẻ ngôn ngữ cho đọc chính tả và trong tab Phiên âm tệp cho tệp. Mô hình càng lớn càng chính xác, nhưng chậm hơn và dùng nhiều bộ nhớ hơn.
- 1 Tốc hành hợp với hầu hết các ngôn ngữ: gần chính xác bằng Lớn và nhanh hơn rõ rệt.
- 2 Nhanh là mô hình nhanh nhất, dùng cho tiếng Anh và nhiều ngôn ngữ châu Âu (không dùng cho phụ đề), nhưng sai nhiều hơn Lớn một chút.
- 3 Lớn kỹ lưỡng nhất với mọi ngôn ngữ và dùng nhiều bộ nhớ nhất.
- 4 Số sao cho biết mỗi mô hình chính xác đến đâu với ngôn ngữ đó; với bản dùng thử hoặc Pro, mỗi thẻ ngôn ngữ còn đánh dấu mô hình nên dùng để đọc chính tả. Nếu chưa chắc, cứ giữ nguyên.
Nếu mô hình lớn khiến máy ì ạch, hãy hạ xuống một cỡ: một mô hình nhanh mà bạn thật sự dùng tốt hơn một mô hình chính xác mà bạn né tránh.
Nhấn giữ để nói phải thật nhẹ nhàng, là thứ bạn giữ được mà không cần nghĩ. Phím tắt tốt nhất là phím nằm sẵn gần ngón tay bạn, và bạn còn có thể chuyển hẳn nó ra khỏi bàn phím.
- 1 Một vài tổ hợp phím đáng thử: Ctrl+Space, Alt+Space hoặc Shift+Space (nhất là trên Windows).
- 2 Trên Mac, Cmd+Space đã được Spotlight dùng: bạn có thể đổi phím của Spotlight trong Cài đặt hệ thống › Bàn phím › Phím tắt bàn phím › Spotlight rồi dùng Cmd+Space, hoặc đơn giản là dùng Shift+Space hay Ctrl+Space.
- 3 Mẹo nâng cao: gán Nhấn giữ để nói và Enter/xuống dòng cho nút lùi và nút tiến trên chuột, ví dụ Shift+Lùi để xuống dòng và Shift+Tiến cho Enter (hoặc gán trực tiếp trong phần mềm của chuột).
Gán xong các nút chuột, bạn gần như có thể đọc chính tả hoàn toàn bằng chuột mà không cần bàn phím. Trên Windows, hãy dùng tiện ích của hãng chuột; trên Mac, một công cụ gán lại nút như các công cụ dành cho chuột chơi game sẽ dùng tốt.
Nhận dạng giọng nói chỉ tốt khi âm thanh đến micrô tốt. Một chiếc quạt thổi thẳng vào micrô, một căn phòng đông người hay tiếng nhạc ở gần đều làm giảm độ chính xác, thường nhiều hơn người ta nghĩ.
Nếu không tránh được tiếng ồn, hãy để micrô gần miệng và dùng “Nhấn giữ để nói”, như vậy DijiFlow chỉ nghe khi bạn đang giữ phím.
Trong ứng dụng Windows, Tối ưu bộ nhớ động là cài đặt nên dùng khi máy thiếu bộ nhớ hoặc bộ nhớ đồ họa (VRAM). Cài đặt này nạp mô hình vào bộ nhớ và gỡ chúng ra khi bạn chuyển đổi, nên mỗi lúc chỉ có một mô hình hoạt động, giúp máy cấu hình nhẹ vẫn phản hồi nhanh. Trên máy Mac, DijiFlow tự giải phóng bộ nhớ khi bộ nhớ sắp cạn.
- 1 Nếu mô hình chạy chậm hoặc máy của bạn thiếu bộ nhớ, hãy bật Tối ưu bộ nhớ động trong Cài đặt.
- 2 Từ đó, DijiFlow chỉ giữ trong bộ nhớ mô hình bạn đang dùng và gỡ các mô hình khác khỏi bộ nhớ giữa những lần chuyển đổi.
Lưu ý: phiên âm một tệp ĐỒNG THỜI với đọc chính tả sẽ chậm hơn nếu bộ nhớ eo hẹp, nhưng với đủ RAM/VRAM thì vẫn chạy hoàn toàn mượt.
Nếu máy tính của bạn còn dư sức (RAM từ 16 GB trở lên), bạn có thể giữ hai mô hình cùng được nạp và chuyển qua lại tức thì bằng các phím tắt khác nhau. Đây là một trong những cách làm việc hiệu quả nhất của người dùng thành thạo.
- 1 Dùng song ngữ? Gán tiếng Anh cho một phím tắt và ngôn ngữ kia cho phím tắt thứ hai để đổi ngôn ngữ mà không phải sửa thiết lập.
- 2 Chỉ dùng một ngôn ngữ? Ở chế độ Nâng cao, hãy thêm thẻ thứ hai cho cùng ngôn ngữ đó với một mô hình khác: một mô hình nhanh để đọc chính tả nhanh và một mô hình chính xác hơn cho lúc bạn có thể chờ một chút.
- 3 Muốn trộn nhiều ngôn ngữ? Khi đã chọn “Xếp hàng” (tab Cài đặt, là lựa chọn mặc định), bạn có thể ghi âm bằng phím tắt của ngôn ngữ kia ngay cả khi bản ghi đầu tiên vẫn đang được phiên âm: cả hai sẽ được dán theo thứ tự.
Cách này phát huy tác dụng khi bạn viết email bằng một ngôn ngữ trong lúc chat hay lập trình bằng ngôn ngữ khác, tất cả trong cùng một phiên làm việc, không phải loay hoay.
Với cuộc họp, độ chính xác quan trọng hơn tốc độ, nên hãy chọn mô hình chính xác nhất bạn có, dù chậm hơn. Hãy nhớ rằng phiên âm tự động và nhận diện người nói không bao giờ hoàn hảo 100%, và tự chúng có thể không ghi lại trọn vẹn cả cuộc họp. Bí quyết là đưa bản phiên âm cho một mô hình AI lớn để tổng hợp thành thứ hữu ích.
- 1 Phiên âm cuộc họp có bật nhận diện người nói, bằng mô hình tốt nhất bạn có.
- 2 Nếu biết có bao nhiêu người nói, hãy đặt số người nói: việc nhận diện sẽ chính xác hơn nhiều (xem mẹo về số người nói).
- 3 Dán bản phiên âm hoàn chỉnh vào một mô hình AI lớn như ChatGPT, Gemini, Claude, DeepSeek hoặc Kimi, rồi dùng câu lệnh có sẵn bên dưới để nhận một bản tóm tắt gọn gàng, đầy đủ.
Bạn đang giúp tôi biến bản ghi âm thô của một cuộc họp thành thứ tôi thực sự dùng được.
Dưới đây là bản phiên âm được tạo tự động từ âm thanh hoặc video, có cả phần tự động nhận diện người nói. Khi đọc, hãy lưu ý hai điều:
- Nhãn người nói ("Người nói 1", "Người nói 2", v.v.) và đôi chỗ từ ngữ có thể sai. Chỗ nào nhãn hoặc từ rõ ràng mâu thuẫn với ngữ cảnh cuộc trò chuyện, hãy tin vào ngữ cảnh và lặng lẽ sửa lại.
- Bạn thường đoán khá tốt ai là ai từ chính cuộc trò chuyện, nên hãy suy ra tên người khi có thể.
Tùy chọn: nếu tôi đã biết ai là ai, tôi sẽ ghi ở đây (nếu không thì để trống):
- Người nói 1 =
- Người nói 2 =
- Người nói 3 =
Hãy đọc toàn bộ bản phiên âm và viết cho tôi một bản tóm tắt rõ ràng, mạch lạc, gồm các mục sau:
1. Tổng quan: hai hoặc ba câu về nội dung cuộc họp và kết quả chung.
2. Các điểm thảo luận chính: những chủ đề chính, nhóm lại hợp lý, kèm các chi tiết quan trọng của từng chủ đề.
3. Quyết định: những gì đã thực sự được thống nhất (và do ai, nếu rõ).
4. Việc cần làm: nhóm theo từng người, gồm việc họ phụ trách và mọi thời hạn đã được nhắc tới.
5. Trở ngại và rủi ro: mọi điều được nêu ra như một vấn đề, một sự phụ thuộc hay một mối lo ngại.
6. Câu hỏi còn bỏ ngỏ: mọi điều chưa được giải quyết hoặc cần trao đổi tiếp.
Hãy viết ngắn gọn, dễ đọc lướt. Ưu tiên gạch đầu dòng ngắn thay vì đoạn văn dài. Nếu có điều gì không rõ hoặc không có trong bản phiên âm, hãy nói thẳng thay vì đoán.
Bản phiên âm:
[dán bản phiên âm của bạn vào đây]
Bạn nên biết: bạn vẫn đọc chính tả được trong các ứng dụng khác trong lúc một tệp đang được phiên âm ở chế độ nền.
DijiFlow không chỉ dành cho giọng nói của bạn: ứng dụng phiên âm được mọi tệp video hoặc âm thanh bạn thả vào, kèm nhận diện người nói. Nhờ vậy, bạn dễ dàng biến một buổi nói chuyện, cuộc phỏng vấn hay bài giảng thành văn bản.
- 1 Tải video về bằng một công cụ tải YouTube trực tuyến bất kỳ.
- 2 Kéo và thả tệp đã tải vào DijiFlow dưới dạng video, phần còn lại ứng dụng sẽ lo.
Thao tác kéo thả này dùng được cho mọi tệp âm thanh hoặc video trên máy, không riêng gì YouTube.
Trên Windows, card đồ họa NVIDIA hoặc AMD giúp phiên âm nhanh hơn nhiều so với bộ xử lý. Hãy chắc chắn DijiFlow thực sự đang dùng card đó.
- 1 Mở tab GPU.
- 2 Kiểm tra xem card NVIDIA hoặc AMD của bạn đã được chọn và đang hoạt động chưa.
Khi bạn phiên âm một cuộc họp hay một tệp có nhiều người, phần nhận diện người nói phải tự đoán có bao nhiêu giọng khác nhau. Bạn có thể giúp rất nhiều bằng cách cho biết trước.
Nếu bạn biết chính xác có bao nhiêu người nói trong bản ghi, hãy đặt con số đó trước khi phiên âm, ở chế độ Nâng cao trong tab Phiên âm tệp: tính năng nhận diện người nói chính xác hơn nhiều khi không phải đoán.