Ghi âm trực tiếp từ micro rồi chép ra chữ, hỗ trợ tiếng Việt và tiếng Anh
Công cụ dùng Web Speech API có sẵn trong trình duyệt để nghe giọng nói từ micro và hiện chữ ngay theo thời gian thực, gồm cả phần đang đoán lẫn phần đã chốt. Có nút tạm dừng, tùy chọn tự chèn dấu câu theo khoảng lặng, bộ đếm từ và ký tự, cùng hai cách lấy kết quả là chép văn bản thuần hoặc tải tệp txt. Cần nói rõ ngay từ đầu: trình duyệt không chuyển được tệp âm thanh có sẵn thành văn bản, nên công cụ chỉ làm chế độ ghi trực tiếp từ micro.
Tính năng nổi bật
- Ghi trực tiếp từ micro và hiện chữ theo thời gian thực, không cần cài đặt gì thêm
- Tách rõ phần đang nghe chưa chốt và phần đã chốt, phần đã chốt sửa tay được ngay trên trang
- Hỗ trợ tiếng Việt và tiếng Anh, đổi ngôn ngữ bằng hai nút bấm
- Nút tạm dừng giữ nguyên nội dung đã ghi rồi tiếp tục, không phải bắt đầu lại từ đầu
- Tự chèn dấu chấm và viết hoa đầu câu dựa trên khoảng lặng giữa các câu, bật tắt được
- Tự nối lại phiên nhận dạng khi trình duyệt ngắt vì im lặng, nên ghi được liên tục nhiều phút
- Đếm số từ, số ký tự và thời gian ghi ngay trong lúc nói
- Chép toàn bộ văn bản vào bộ nhớ tạm hoặc tải xuống thành tệp txt đặt tên theo thời điểm ghi
Vì sao công cụ chỉ ghi từ micro chứ không nhận tệp âm thanh
Đây là giới hạn kỹ thuật thật, không phải chọn lựa cho tiện. Trình duyệt có sẵn một bộ nhận dạng giọng nói gọi là Web Speech API, nhưng bộ này chỉ nhận đầu vào là luồng âm thanh trực tiếp từ thiết bị thu, tức là micro. Nó không có cửa nào để bạn đưa một tệp mp3 hay wav đã ghi sẵn vào, và trang web cũng không thể giả lập một micro ảo phát tệp đó ra. Muốn chép chữ từ tệp có sẵn, người ta phải chạy một mô hình nhận dạng phía máy chủ, loại mô hình cần bộ xử lý đồ họa và tốn chi phí cho mỗi phút âm thanh. Trang này không dựng mô hình như vậy nên thay vì hứa hẹn rồi trả kết quả rác, chúng tôi nói thẳng giới hạn và làm thật tốt phần trong tầm với là ghi trực tiếp. Nếu bạn đã có tệp ghi âm, cách xoay xở là mở loa phát tệp rồi để micro thu lại, nhưng chất lượng sẽ kém hơn nói trực tiếp đáng kể vì âm đi qua hai lần chuyển đổi và dính tiếng vọng của phòng. Với những cuộc họp quan trọng, hãy dùng dịch vụ nhận dạng chuyên dụng có mô hình phía máy chủ.
Lợi ích khi sử dụng
- Ghi lại ý tưởng nhanh hơn gõ phím, nhất là khi bạn đang đi hoặc tay đang bận
- Soạn nháp bài viết, tin nhắn dài hay ghi chú cuộc gọi bằng cách nói ra rồi sửa lại
- Thấy ngay chữ hiện lên nên biết máy nghe nhầm chỗ nào để nói lại luôn
- Sửa tay được ngay trong ô văn bản mà không phải chép sang phần mềm khác
- Đếm từ có sẵn nên tiện khi bạn cần đọc thử một kịch bản có giới hạn độ dài
- Không cài phần mềm, không tạo tài khoản, mở trình duyệt là dùng được
Cách ghi âm và chép ra chữ
- 1Mở trang bằng Google Chrome hoặc Microsoft Edge trên máy tính, đây là hai trình duyệt hỗ trợ tốt nhất.
- 2Chọn ngôn ngữ bạn sắp nói, tiếng Việt hoặc tiếng Anh, và chọn bật hay tắt tự chèn dấu câu.
- 3Bấm nút bắt đầu ghi rồi cho phép trang dùng micro khi trình duyệt hỏi, chấm tròn chuyển sang màu đỏ nhấp nháy nghĩa là máy đang nghe.
- 4Nói trọn từng câu rồi nghỉ một nhịp, chữ hiện dần ở ô phần đang nghe rồi được chuyển sang ô phần đã chốt.
- 5Bấm tạm dừng bất cứ lúc nào để đọc lại và sửa tay trong ô văn bản, rồi bấm tiếp tục để ghi thêm.
- 6Bấm dừng hẳn khi xong, kiểm tra số từ, sau đó bấm chép văn bản hoặc tải tệp txt về máy.
Web Speech API hoạt động ra sao và dữ liệu đi những đâu
Khi bạn bấm ghi, trang gọi giao diện nhận dạng giọng nói có sẵn trong trình duyệt. Với Chrome, phần nhận dạng không chạy trên máy bạn mà âm thanh từ micro được gửi lên máy chủ của Google, xử lý ở đó rồi trả chuỗi chữ về. Đây là điều bạn cần biết rõ và cân nhắc trước khi nói. Nghĩa là mọi câu bạn đọc đều rời khỏi máy tính của bạn, đi qua đường truyền internet tới một bên thứ ba. Vì vậy đừng đọc mật khẩu, số thẻ ngân hàng, số căn cước, hồ sơ bệnh án, điều khoản hợp đồng chưa công bố hay bất cứ thông tin nào thuộc diện nhạy cảm. Bản thân trang này không nhận, không lưu và không gửi âm thanh của bạn đi đâu cả, toàn bộ phần chữ nằm trong trình duyệt cho tới khi bạn tự chép hoặc tải xuống, đóng thẻ trình duyệt là mất. Nhưng chặng gửi âm thanh lên máy chủ nhận dạng nằm ngoài tầm kiểm soát của trang, đó là cơ chế của chính trình duyệt. Hệ quả thứ hai của kiến trúc này là công cụ bắt buộc phải có mạng, mất kết nối thì việc nhận dạng dừng ngay lập tức.
Phần tạm và phần đã chốt khác nhau thế nào, vì sao chữ tự đổi
Bộ nhận dạng làm việc theo kiểu đoán dần. Ngay khi nghe được vài âm đầu, nó đã đưa ra phán đoán tốt nhất tại thời điểm đó và trả về dưới dạng kết quả tạm. Càng nghe thêm, ngữ cảnh càng rõ, nó sửa lại phán đoán cũ, nên bạn sẽ thấy chữ trong ô phần đang nghe nhảy đổi vài lần. Điều này đặc biệt hay xảy ra với tiếng Việt vì rất nhiều từ chỉ khác nhau ở thanh điệu, và thanh điệu chỉ đoán chắc được khi đã nghe hết vần. Khi bộ nhận dạng thấy bạn ngừng nói đủ lâu, nó đóng đoạn đó lại và đánh dấu là kết quả cuối, lúc này chữ được chuyển xuống ô phần đã chốt và không tự đổi nữa. Hiểu cơ chế này giúp bạn nói hiệu quả hơn: hãy nói trọn một câu rồi nghỉ một nhịp ngắn, thay vì nói nửa câu rồi ngập ngừng suy nghĩ giữa chừng. Ngừng giữa câu khiến bộ nhận dạng chốt sớm một mảnh câu thiếu ngữ cảnh, và mảnh đó thường sai nhiều hơn hẳn so với khi nó được nghe cả câu.
Vì sao phiên ghi tự dừng và công cụ nối lại như thế nào
Chrome đặt giới hạn để một phiên nhận dạng không chạy vô tận. Sau khoảng vài chục giây không nghe thấy tiếng nói, phiên tự kết thúc và bắn ra sự kiện báo đã dừng. Nếu trang không xử lý gì thì người dùng sẽ thấy công cụ im lặng chết giữa chừng, một lỗi rất phổ biến ở các trang chép chữ tự làm. Công cụ này bắt sự kiện đó và tự khởi động lại phiên mới ngay lập tức, miễn là bạn chưa bấm tạm dừng hay dừng hẳn, nhờ vậy bạn ghi được liên tục hàng chục phút mà không phải bấm lại. Trong quá trình nối lại có thể mất một hai từ ngay tại điểm giao, nên nếu bạn thấy thiếu chữ ở giữa một đoạn dài im lặng thì đó là nguyên nhân. Ngoài ra công cụ còn bỏ qua hai loại lỗi vô hại là lỗi không nghe thấy tiếng nói và lỗi phiên bị hủy, vì cả hai đều nằm trong nhịp làm việc bình thường. Các lỗi thật sự cần bạn xử lý, như chưa cấp quyền micro, không tìm thấy thiết bị thu hay mất kết nối mạng, đều hiện thành thông báo rõ ràng kèm hướng khắc phục.
Dấu câu tự chèn dựa trên gì và sai ở đâu
Bộ nhận dạng của Chrome có trả về dấu câu cho một số ngôn ngữ, nhưng với tiếng Việt thì gần như luôn trả về chuỗi chữ trần không dấu câu. Vì vậy công cụ dùng một suy đoán đơn giản dựa trên nhịp nói: mỗi khi một đoạn được chốt và khoảng cách thời gian so với đoạn chốt trước đó vượt một phẩy hai giây, công cụ coi như bạn đã kết thúc một câu nên đóng câu trước bằng dấu chấm và viết hoa chữ đầu của câu mới. Cách này hoạt động tốt khi bạn nói theo lối đọc chính tả, tức là nói trọn câu rồi nghỉ rõ ràng. Nó sai trong ba trường hợp quen thuộc. Thứ nhất, bạn ngập ngừng giữa câu để tìm từ, công cụ sẽ chấm câu sai chỗ. Thứ hai, bạn nói liền mạch nhiều câu không nghỉ, cả đoạn dài sẽ dính thành một câu duy nhất. Thứ ba, công cụ chỉ biết dấu chấm chứ không phân biệt được dấu phẩy, dấu hỏi hay dấu chấm than. Đây là suy đoán theo khoảng lặng, không phải mô hình chấm câu, nên hãy xem nó là bản nháp và luôn đọc lại một lượt trước khi dùng.
Cách đọc và cách bố trí chỗ ngồi để máy nghe chính xác hơn
Độ chính xác của nhận dạng giọng nói phụ thuộc vào chất lượng âm vào nhiều hơn người ta tưởng. Yếu tố lớn nhất là tiếng vọng của phòng: phòng trống, tường phẳng và trần cao làm âm dội lại, bộ nhận dạng nghe thành hai lớp chồng nhau và sai hàng loạt. Ngồi gần bàn có vật mềm, đóng cửa sổ và tắt quạt trần đã cải thiện đáng kể. Khoảng cách tới micro nên vào tầm một gang tay, xa quá thì tiếng nền lấn át, gần quá thì các phụ âm bật hơi nổ thành tiếng ù. Tai nghe có micro cần cho kết quả ổn hơn micro tích hợp trên máy tính xách tay vì nó luôn giữ đúng khoảng cách và ở gần miệng. Về cách đọc, hãy nói với âm lượng đều và tốc độ chậm hơn nói chuyện thường một chút, phát âm trọn phụ âm cuối vì tiếng Việt phân biệt nhiều từ ở đúng chỗ đó. Tên riêng, số hiệu, địa chỉ và thuật ngữ tiếng Anh nên đọc chậm hơn hẳn phần còn lại, và với dãy số dài thì đọc tách từng cụm ba chữ số thay vì đọc liền một mạch.
Câu hỏi thường gặp (FAQ)
Tại sao tôi không tải lên được tệp mp3 để chép ra chữ?
Vì trình duyệt chỉ cho bộ nhận dạng giọng nói nhận đầu vào trực tiếp từ micro, không có cách nào đưa một tệp đã ghi sẵn vào bộ nhận dạng đó. Muốn chép chữ từ tệp có sẵn thì phải chạy mô hình nhận dạng phía máy chủ, thứ mà trang này không có. Cách xoay xở tạm là bật loa phát tệp rồi để micro thu lại, nhưng độ chính xác sẽ giảm rõ vì âm qua hai lần chuyển đổi và dính tiếng vọng phòng.
Giọng nói của tôi có bị gửi đi đâu không?
Có, và bạn nên biết rõ điều này. Trên Chrome, âm thanh từ micro được gửi tới máy chủ của Google để nhận dạng rồi trả chữ về. Trang này không nhận, không lưu và không gửi âm thanh của bạn đi đâu, phần chữ chỉ nằm trong trình duyệt cho tới khi bạn chép hoặc tải xuống. Nhưng vì chặng gửi lên máy chủ nhận dạng nằm ngoài tầm kiểm soát của trang, tuyệt đối đừng đọc mật khẩu, số thẻ ngân hàng, hồ sơ y tế hay thông tin nhạy cảm khác.
Trình duyệt nào dùng được công cụ này?
Google Chrome và Microsoft Edge bản máy tính chạy tốt nhất. Safari từ phiên bản 14,1 trở lên có hỗ trợ nhưng hạn chế hơn và hay ngắt phiên sớm. Firefox chưa bật tính năng này nên không dùng được. Nếu trình duyệt của bạn không hỗ trợ, trang sẽ hiện thông báo màu đỏ ngay đầu công cụ và nút ghi bị khóa, khi đó hãy mở lại trang bằng Chrome.
Độ chính xác với tiếng Việt khoảng bao nhiêu?
Trong điều kiện tốt, tức là phòng yên, dùng tai nghe có micro và nói rõ ràng theo lối đọc chính tả, bạn có thể kỳ vọng phần lớn câu đúng và chỉ phải sửa vài chỗ. Trong điều kiện thường, có tiếng nền hoặc dùng micro tích hợp của máy tính xách tay, số lỗi tăng lên rõ. Các chỗ hay sai nhất là tên riêng, thuật ngữ chuyên ngành, từ tiếng Anh chen giữa câu tiếng Việt và những cặp từ chỉ khác nhau ở thanh điệu.
Vì sao chữ vừa hiện ra lại tự đổi thành chữ khác?
Đó là đặc tính của nhận dạng theo thời gian thực. Bộ nhận dạng đưa ra phán đoán ngay khi nghe được vài âm đầu, rồi sửa lại khi nghe thêm ngữ cảnh. Với tiếng Việt, thanh điệu chỉ đoán chắc được sau khi nghe hết vần nên chữ nhảy đổi khá nhiều. Toàn bộ phần đang thay đổi nằm ở ô phần đang nghe, còn ô phần đã chốt thì không tự đổi nữa và bạn sửa tay được thoải mái.
Đang ghi thì công cụ tự dừng giữa chừng, có phải lỗi không?
Không, đó là cơ chế của Chrome, nó tự kết thúc phiên sau vài chục giây không nghe thấy tiếng nói. Công cụ này đã bắt sự kiện đó và tự mở phiên mới ngay, nên bạn ghi liên tục được nhiều phút mà không phải bấm lại. Chỉ có thể mất một hai từ đúng tại điểm nối. Nếu chấm tròn chuyển sang màu xám mà bạn chưa bấm dừng, hãy xem có thông báo lỗi hiện lên bên dưới hay không.
Có ghi lại được cuộc họp trên Google Meet hoặc Zoom không?
Chỉ ghi được phần bạn nói ra micro, còn tiếng của người khác phát ra loa thì micro thu lại rất kém và thường lẫn tiếng vọng. Trình duyệt cũng không cho trang web lấy trực tiếp luồng âm thanh của một ứng dụng khác. Nếu bạn cần biên bản họp đầy đủ, hãy dùng tính năng ghi chép có sẵn của chính nền tảng họp hoặc dịch vụ chuyên dụng, chúng lấy được âm thanh từng người dự.
Dấu câu tự chèn có đáng tin không?
Đây chỉ là suy đoán theo khoảng lặng chứ không phải mô hình chấm câu. Khi bạn ngừng nói quá một phẩy hai giây, công cụ đóng câu trước bằng dấu chấm và viết hoa chữ đầu câu sau. Nó sai khi bạn ngập ngừng giữa câu, sai khi bạn nói liền mạch không nghỉ, và nó chỉ biết dấu chấm chứ không phân biệt dấu phẩy hay dấu hỏi. Hãy coi phần dấu câu là bản nháp và luôn đọc lại một lượt.
Dùng trên điện thoại có được không?
Chrome trên Android chạy được nhưng hay ngắt phiên sớm hơn trên máy tính, và bàn phím ảo có thể che mất ô văn bản khi bạn muốn sửa. Trên iPhone, trình duyệt nào cũng dùng lõi Safari nên mức hỗ trợ giống Safari, tức là chạy được nhưng không ổn định bằng. Nếu bạn định ghi một đoạn dài rồi biên tập ngay, dùng máy tính vẫn thoải mái hơn nhiều.
Có giới hạn thời gian ghi không?
Công cụ không đặt giới hạn thời gian, bộ đếm cứ chạy tới khi bạn bấm dừng. Điều cần lưu ý là toàn bộ văn bản chỉ nằm trong trình duyệt, nên nếu bạn lỡ tải lại trang hoặc đóng thẻ thì mất hết. Với những buổi ghi dài, hãy tập thói quen cứ vài phút lại bấm tạm dừng rồi tải một bản txt để giữ chỗ.
Nhiều người nói xen kẽ thì công cụ có phân biệt được ai nói không?
Không. Web Speech API chỉ trả về chuỗi chữ, không có thông tin phân tách người nói. Mọi lời nói thu được đều nối thành một mạch văn bản duy nhất. Nếu bạn cần bản chép có ghi rõ ai nói câu nào, hãy dùng dịch vụ nhận dạng chuyên dụng có tính năng phân tách người nói, hoặc tự chèn tên người vào ô văn bản trong lúc tạm dừng.
Có cần kết nối internet không?
Có, bắt buộc. Trên Chrome, việc nhận dạng diễn ra trên máy chủ chứ không phải trên máy bạn, nên mất mạng là dừng ngay. Khi đường truyền chập chờn, bạn sẽ thấy chữ hiện chậm hoặc mất đoạn, và công cụ sẽ báo lỗi mất kết nối tới máy chủ nhận dạng. Đây cũng là lý do công cụ chạy không ổn khi bạn dùng mạng di động yếu.
Từ khóa liên quan
- chuyển giọng nói thành văn bản
- audio to text
- speech to text tiếng việt
- ghi âm ra chữ online
- nhận dạng giọng nói tiếng việt
- gõ văn bản bằng giọng nói
- voice to text online
- chép lời nói thành chữ
- web speech api tiếng việt
- nói thành chữ trên trình duyệt
- công cụ ghi chú bằng giọng nói
- speech recognition online free
- soạn thảo bằng giọng nói
- chuyển lời nói sang text
- transcribe giọng nói tiếng việt
- ghi âm chép chữ thời gian thực
- nhập liệu bằng giọng nói chrome
- xuất bản ghi ra file txt
