Cài đặt chép lời

Trước khi chép lời, Audiotext hiển thị cài đặt của bản chép lời, được nhóm thành các thẻ. Cài đặt được ghi nhớ cho lần sau, và mỗi bản chép lời giữ lại cài đặt đã dùng để tạo ra nó.

Công cụ

Phương thức chép lời:

Công cụ	Chạy ở đâu	Chi phí	Ghi chú
WhisperX (mặc định)	Máy tính của bạn	Miễn phí, không giới hạn	Riêng tư và ngoại tuyến. Nhiều tùy chọn hơn: người nói, thời gian theo từng từ, văn bản trực tiếp. Chạy trên GPU của máy Mac dùng Apple Silicon.
Whisper API	Máy chủ của OpenAI	Trả phí theo phút	Cần khóa API OpenAI. Dành cho máy tính không chạy WhisperX mượt mà.
Google API	Máy chủ của Google	Gói miễn phí hoặc trả phí	Chất lượng thấp hơn và không có dấu thời gian. Khóa API là tùy chọn.

Mô hình phụ thuộc vào công cụ. Với WhisperX, mô hình lớn hơn chính xác hơn nhưng chậm hơn. Với Whisper API, mô hình quyết định bản chép lời có dấu thời gian và người nói hay không. Xem Công cụ để so sánh.

Ngôn ngữ

• Ngôn ngữ của âm thanh: mặc định là Tự động phát hiện. Chọn ngôn ngữ giúp tránh lỗi với âm thanh ngắn hoặc pha trộn. Google API không thể phát hiện, nên bạn phải chọn.
• Ngôn ngữ của bản chép lời: mặc định là Giống âm thanh. Chọn ngôn ngữ khác để dịch âm thanh trong khi chép lời.

Khi hai ngôn ngữ khác nhau, các tùy chọn Bản dịch sẽ xuất hiện:

• Dịch bằng Whisper (khuyên dùng): Whisper chép lời và dịch âm thanh trong một bước. Chỉ dịch được sang tiếng Anh.
• Viết trực tiếp bằng ngôn ngữ (thử nghiệm): Whisper được yêu cầu viết bản chép lời trực tiếp bằng ngôn ngữ đó. Cách này hiệu quả với nhiều ngôn ngữ, nhưng hãy kiểm tra kết quả.

Google API không thể dịch. Để dịch bản chép lời sang bất kỳ ngôn ngữ nào sau này, với nhiều nhà cung cấp hơn, hãy dùng nút Dịch của bản ghi lời.

Ngữ cảnh

Hai trường không bắt buộc giúp ích cho mô hình:

• Từ khóa: tên riêng, thuật ngữ hoặc từ viết tắt xuất hiện trong âm thanh, phân tách bằng dấu phẩy (ví dụ Audiotext, WhisperX, Henestrosa), để chúng được viết đúng. Đây chỉ là gợi ý: một từ khóa chỉ được viết ra nếu nó được nói trong âm thanh.
• Mô tả: âm thanh nói về điều gì, chẳng hạn chủ đề hoặc bối cảnh (ví dụ Một cuộc phỏng vấn về nhận dạng giọng nói).

WhisperX và Whisper API sử dụng chúng, trừ mô hình gpt-4o-transcribe-diarize. Google API không sử dụng chúng.

Tùy chọn

• Thời gian theo từng từ (WhisperX): căn chỉnh từng từ với âm thanh để đánh dấu khi phát và để rà soát các từ mà nó kém chắc chắn nhất. Mất thêm một chút thời gian. Bật theo mặc định. Phụ đề cần thời gian của từng từ, nên tùy chọn này được bật và khóa khi .srt hoặc .vtt được chọn trong Loại tệp của một thư mục; lựa chọn của bạn sẽ trở lại khi chúng không còn được chọn.
• Giảm tiếng ồn nền: giảm tiếng ù và tiếng ồn nền đều đều, và cân bằng giọng nói nhỏ, trước khi chép lời. Mất nhiều thời gian hơn.
• Nhận diện người nói (WhisperX): gắn nhãn ai nói ở mỗi đoạn, ví dụ SPEAKER_00. Nếu bạn biết có bao nhiêu người nói, hãy nhập vào Số người nói (0 để tự phát hiện). Cần token Hugging Face miễn phí; xem Nhận diện những người nói. Với Whisper API, mô hình gpt-4o-transcribe-diarize nhận diện người nói.

Nhận diện những người nói

Mô hình nhận diện người nói, pyannote/speaker-diarization-community-1, miễn phí nhưng cần token Hugging Face:

1. Tạo tài khoản trên Hugging Face và chấp nhận điều khoản của pyannote/speaker-diarization-community-1.
2. Tạo token với vai trò Read trong cài đặt của bạn.
3. Nhấp Đặt token Hugging Face… và dán token vào.

Mô hình được tải xuống lần đầu khi sử dụng. Sau đó, người nói được nhận diện ngoại tuyến.

Văn bản trực tiếp

Chỉ hiển thị cho micrô. Xem Văn bản trực tiếp.

Thư mục và Đầu ra

Chỉ hiển thị cho thư mục:

• Theo dõi thư mục: xem Theo dõi một thư mục.
• Chép lời các tệp đã có trong thư mục (chỉ khi theo dõi): chép lời trước các tệp đã có sẵn trong thư mục và chưa có bản chép lời. Tắt theo mặc định.
• Bao gồm thư mục con: chép lời cả các tệp trong thư mục con.
• Bỏ qua các tệp khớp với: tên hoặc đường dẫn của các tệp cần bỏ qua, phân tách bằng dấu phẩy (ví dụ *.wav, drafts/*). Các tệp ẩn luôn bị bỏ qua.
• Loại tệp: với WhisperX, một hoặc nhiều trong số .txt, .srt, .vtt, .json, .tsv và .aud. Với Whisper API, định dạng của tệp (text, json, verbose_json, srt hoặc vtt); phụ đề cần mô hình có dấu thời gian. Google API trả về văn bản thuần (.txt).
• Vị trí: tệp được lưu cạnh từng tệp nguồn. Nhấp Thay đổi… để lưu vào thư mục khác (các thư mục con sẽ được tạo lại), hoặc Cạnh nguồn để quay lại.

Các tệp đã có bản chép lời sẽ bị bỏ qua. Để chép lời lại, hãy dùng các tùy chọn của các tệp trong thư mục.

Các tùy chọn phụ đề (độ rộng dòng, số dòng, đánh dấu từ) nằm trong Tùy chọn ưu tiên.