Ưu tiên quyền riêng tưTệp của bạn không bao giờ bị tải lên
AI Miễn phí · Chạy trên thiết bị của bạn
Chuyển âm thanh thành văn bản
Chuyển phỏng vấn, bài giảng, ghi chú giọng nói và video thành văn bản với Whisper, mô hình AI nhận dạng giọng nói chạy ngay trong trình duyệt. Bản ghi âm của bạn không bao giờ rời khỏi thiết bị.
hoặc chọn từ thiết bị của bạn
Tệp không bao giờ rời khỏi thiết bị của bạn · Miễn phí, không cần đăng ký · Không giới hạn dung lượng tệp
Cách chuyển âm thanh thành văn bản
- Mở một tệp âm thanh hoặc video, hoặc thả nó vào trang.
- Tải mô hình giọng nói một lần, chọn ngôn ngữ nói hoặc để tự động.
- Chọn Chuyển thành văn bản, rồi sao chép văn bản hoặc tải về dưới dạng TXT, hay phụ đề SRT hoặc VTT.
Nhận dạng giọng nói ngay trên thiết bị
Whisper là mô hình nhận dạng giọng nói mã nguồn mở của OpenAI, được huấn luyện trên 680.000 giờ âm thanh bằng khoảng một trăm ngôn ngữ. Scissor Audio chạy Whisper base, khoảng 80 MB, trong trình duyệt của bạn bằng WebAssembly, nên bản ghi âm không bao giờ được gửi đến dịch vụ chuyển văn bản nào.
Phụ đề có mốc thời gian
Mỗi câu đều kèm thời điểm bắt đầu và kết thúc. Tải bản ghi về dưới dạng phụ đề SRT hoặc WebVTT cho YouTube, phần mềm dựng video và trình phát media, hoặc dạng văn bản thuần cho ghi chú và tài liệu.
Dịch lời nói sang tiếng Anh
Chọn Dịch sang tiếng Anh và Whisper sẽ viết bản ghi tiếng Anh cho lời nói bằng bất kỳ ngôn ngữ nào nó hỗ trợ, chỉ trong một bước.
Câu hỏi về Chuyển âm thanh thành văn bản
Âm thanh của tôi có bị tải lên không?
Không. Âm thanh được trình duyệt giải mã và được chuyển thành văn bản bởi một mô hình chạy trong tab của bạn. Không có gì được gửi đến máy chủ; bạn có thể ngắt mạng sau khi mô hình đã tải xong.
Có thật sự miễn phí, không giới hạn?
Có. Mô hình chạy trên chính thiết bị của bạn nên chúng tôi không tốn chi phí cho mỗi phút: không cần đăng ký, không giới hạn số phút và không giới hạn dung lượng tệp.
Công cụ hiểu những ngôn ngữ nào?
Whisper nhận dạng khoảng một trăm ngôn ngữ, bao gồm tiếng Việt, tiếng Anh, tiếng Trung, tiếng Nhật, tiếng Hàn, tiếng Thái, tiếng Indonesia, tiếng Tây Ban Nha, tiếng Pháp, tiếng Đức, tiếng Nga, tiếng Ả Rập và tiếng Hindi. Độ chính xác cao nhất với tiếng Anh và các ngôn ngữ phổ biến khác.
Độ chính xác thế nào?
Với giọng nói rõ ràng, kết quả gần bằng một người nghe cẩn thận, dù tên riêng và thuật ngữ chuyên ngành có thể cần sửa lại. Nhạc nền, nhiều người nói cùng lúc và micro đặt xa sẽ làm giảm độ chính xác.
Mất bao lâu?
Trên một laptop đời mới, một phút âm thanh mất khoảng mười đến hai mươi giây. Điện thoại và máy tính cũ sẽ chậm hơn. Văn bản hiện ra ngay khi được nhận dạng, nên bạn có thể bắt đầu đọc ngay.
Tôi có thể chuyển video thành văn bản không?
Có. Mở tệp MP4, MOV hoặc WebM và phần âm thanh sẽ được chuyển thành văn bản. Tải kết quả về dưới dạng SRT hoặc VTT để dùng làm phụ đề.