Giới thiệu & Mục đích sử dụng
Công cụ Chuyển giọng nói thành văn bản & Trình đọc báo nói tiếng Việt (STT/TTS) hợp nhất ba tác vụ biên tập âm thanh – văn bản thiết yếu trên cùng một giao diện trình duyệt: (1) đọc chính tả trực tiếp qua micro cho phóng viên, thư ký, sinh viên ghi chép nhanh; (2) gỡ băng file ghi âm cuộc họp hoặc phỏng vấn (.mp3, .m4a, .wav) hoàn toàn ngoại tuyến bằng mô hình trí tuệ nhân tạo Whisper chạy qua WebAssembly; và (3) trình đọc báo nói (Text-to-Speech) cho phép điều chỉnh tốc độ từ 0.75x đến 2.0x kèm khung làm nổi bật câu đang phát âm.
Toàn bộ dữ liệu âm thanh, file ghi âm nội bộ và nội dung văn bản đều được xử lý trực tiếp trên bộ nhớ RAM thiết bị của người dùng thông qua chuẩn Web Speech API và Web Audio API, không tải lên máy chủ lưu trữ trung gian và không giới hạn số ký tự sử dụng.
Cách dùng từng bước
-
Chọn chế độ làm việc phù hợp (Micro, File ghi âm hoặc Báo nói TTS)Chuyển đổi linh hoạt giữa ba thẻ chức năng ngay phía trên khung làm việc tùy theo nhu cầu đọc chính tả trực tiếp, gỡ băng tệp âm thanh có sẵn hoặc nghe đọc lại văn bản.
-
Thu âm đọc chính tả hoặc nạp file ghi âm phỏng vấnỞ thẻ Đọc chính tả, nhấn 'Bắt đầu thu giọng nói' và cấp quyền Micro để nói tiếng Việt kèm khẩu lệnh dấu câu ('dấu chấm', 'dấu phẩy', 'xuống dòng'). Ở thẻ Gỡ băng file, kéo thả tệp .MP3/.M4A/.WAV và nhấn 'Bắt đầu gỡ băng Offline'.
-
Soát lỗi theo mốc thời gian và chuẩn hóa chính tảVới bản gỡ băng từ file, nhấp trực tiếp vào từng thẻ mốc thời gian [MM:SS] để trình phát nhảy tới đúng giây đó đối chiếu âm thanh gốc và chỉnh sửa trực tiếp văn bản nếu sai tên riêng.
-
Nghe đọc báo nói TTS hoặc xuất tệp .TXT / .SRTTải xuống bản thảo văn bản (.txt), tệp phụ đề SubRip có mốc thời gian (.srt), sao chép nhanh vào bộ nhớ tạm hoặc đẩy thẳng sang thẻ Đọc báo nói để nghe rà soát lại văn bản với tốc độ 1.25x–2x.
Công thức & Phương pháp tính
Về mặt kỹ thuật, công cụ giải quyết ba điểm nghẽn thường gặp của các trình chuyển đổi giọng nói miễn phí trên trình duyệt:
- Chuẩn hóa khẩu lệnh tiếng Việt & chống lặp trên Android Chrome: Bộ xử lý chuỗi tự động nhận diện các khẩu lệnh tự nhiên như
chấm,phẩy,hỏi chấm,hai chấm,chấm than,mở ngoặc,đóng ngoặc,xuống dòng, dọn khoảng trắng thừa trước dấu câu, tự viết hoa ký tự đầu câu và dùng thuật toán khớp phần chồng lấn từ cuối nhằm loại bỏ lỗi lặp câu khi thu âm liên tục. - Chuẩn hóa tín hiệu 16 kHz Mono cho Whisper AI: Khi gỡ băng tệp
.m4atừ iPhone hoặc.mp3từ máy ghi âm, trình duyệt dùngOfflineAudioContextđể giải mã và lấy mẫu lại toàn bộ sóng âm về tần số chuẩn16.000 Hzđơn kênh trước khi đưa vào Web Worker chạy mô hình lượng tử hóa 8-bit (onnx-community/whisper-tinyhoặcwhisper-base, giấy phép Apache-2.0). - Chia đoạn thông minh bảo vệ từ viết tắt cho TTS: Trình duyệt nhân Chromium thường tự ngắt tiếng nếu một lượt
SpeechSynthesisUtterancekéo dài hơn 15 giây hoặc vượt quá 250 ký tự. Công cụ sử dụng bộ phân tách câu tiếng Việt (Intl.Segmenter('vi')kết hợp danh sách bảo vệ các cụm viết tắt nhưTP.HCM,PGS.TS.,ThS.,NĐ-CP,15,5%) để chia thành các câu gọn dưới 180 ký tự và phát nối tiếp mượt mà.
Ví dụ minh họa
Ví dụ 1 — Đọc chính tả bằng khẩu lệnh: Khi người dùng đọc: "chào bạn phẩy hôm nay thời tiết rất đẹp chấm xuống dòng cảm ơn nhiều hỏi chấm", bộ xử lý lập tức định dạng thành:
Chào bạn, hôm nay thời tiết rất đẹp.
Cảm ơn nhiều?
Ví dụ 2 — Ước tính thời gian nghe báo nói theo tốc độ: Với nhịp phát thanh tiếng Việt tự nhiên khoảng 135 từ/phút ở mức 1.0x, một bài phân tích dài 1.350 từ mất đúng 10 phút 00 giây để nghe hết. Khi bật tốc độ 1.5x (nhịp tương đương 203 từ/phút), thời gian nghe rút xuống còn 06 phút 40 giây, tiết kiệm 3 phút 20 giây mà vẫn đảm bảo rõ âm sắc từng câu.
Ví dụ 3 — Xuất phụ đề .SRT chuẩn SubRip: Các đoạn gỡ băng từ Whisper kèm mốc thời gian [0.00s → 4.25s] được chuyển đổi chính xác sang định dạng 00:00:00,000 --> 00:00:04,250 dùng dấu phẩy ngăn mili-giây, sẵn sàng nhập thẳng vào CapCut, Premiere Pro hoặc YouTube Studio.
Lưu ý quan trọng
Lưu ý về tương thích trình duyệt và chất lượng nhận diện:
- Chức năng đọc chính tả trực tiếp qua Micro sử dụng giao diện chuẩn
SpeechRecognitioncủa W3C, hoạt động ổn định nhất trên Google Chrome, Microsoft Edge và Safari qua kết nối HTTPS; trình duyệt Firefox hiện chưa hỗ trợ API này nên người dùng Firefox có thể sử dụng thẻ Gỡ băng file ghi âm (Whisper AI) thay thế hoàn toàn bằng WebAssembly. - Để có giọng đọc tiếng Việt tự nhiên nhất ở mục Báo nói TTS trên Windows, hãy mở bằng Microsoft Edge hoặc Chrome để hệ thống nạp các giọng Microsoft HoaiMy Online (Natural) và Microsoft NamMinh Online (Natural).
- Mô hình
whisper-tiny(~35 MB) cho tốc độ xử lý nhanh nhưng có thể nhầm một số dấu thanh hoặc tên riêng địa phương nếu bản thu có nhiều tạp âm nền; nên kết hợp công cụ Lọc tiếng ù 80Hz & Chuẩn hóa âm lượng trước khi gỡ băng các cuộc phỏng vấn ngoài trời.
Câu hỏi thường gặp
Làm sao để chuyển một file ghi âm cuộc họp hoặc phỏng vấn .MP3, .M4A sang văn bản tiếng Việt miễn phí?
Bạn mở thẻ '2. Gỡ băng file ghi âm (AI)', kéo thả tệp .mp3, .m4a (từ iPhone) hoặc .wav vào khung chọn tệp và nhấn 'Bắt đầu gỡ băng Offline'. Trình duyệt sẽ tải mô hình Whisper AI (~35 MB ở lần đầu và lưu vào bộ nhớ đệm) để chuyển giọng nói thành từng đoạn văn bản kèm mốc thời gian ngay trên máy tính của bạn.
Gỡ băng file ghi âm và đọc chính tả ở đây có gửi dữ liệu mật lên máy chủ không?
Với chế độ Gỡ băng file bằng Whisper AI và trình đọc báo nói TTS, dữ liệu âm thanh và văn bản được xử lý 100% cục bộ trên trình duyệt của bạn, không tải tệp lên máy chủ N1A. Riêng tính năng nhận diện Micro trực tuyến (Web SpeechRecognition) phụ thuộc vào engine nhận diện giọng nói tích hợp sẵn của trình duyệt (Chrome/Safari/Edge).
Khi đọc chính tả qua micro, nói thế nào để công cụ tự chèn dấu chấm, dấu phẩy và xuống dòng?
Bạn chỉ cần ngắt hơi nhẹ rồi đọc rõ từ khóa như 'dấu chấm', 'dấu phẩy', 'hỏi chấm', 'chấm than', 'hai chấm', 'mở ngoặc', 'đóng ngoặc' hoặc 'xuống dòng'. Nếu đang đọc các tài liệu có chứa chữ 'chấm' như 'chấm công', hãy bật tùy chọn 'Chỉ nhận khẩu lệnh đầy đủ' để tránh bị đổi nhầm thành dấu chấm.
Vì sao nút Đọc chính tả qua Micro không hoạt động trên trình duyệt Firefox?
Trình duyệt Firefox hiện chưa bật hỗ trợ giao diện Web Speech Recognition của W3C theo mặc định. Bạn có thể chuyển sang Chrome, Edge hoặc Safari để đọc chính tả bằng micro, hoặc dùng ngay thẻ 'Gỡ băng file ghi âm (Whisper AI)' trên Firefox vì mô hình chạy bằng chuẩn WebAssembly.
Làm sao để chọn được giọng đọc báo nói tiếng Việt tự nhiên, không bị giọng robot cứng?
Công cụ tự động xếp hạng và ưu tiên các giọng tiếng Việt chất lượng cao có trong hệ thống của bạn. Khi truy cập trên Microsoft Edge hoặc Chrome Windows, hệ thống thường cung cấp sẵn hai giọng đọc AI tự nhiên miễn phí là Microsoft HoaiMy Online (Natural) và Microsoft NamMinh Online (Natural).
Có thể xuất bản gỡ băng ra file phụ đề .SRT để ghép vào video CapCut hoặc YouTube không?
Có. Sau khi hoàn tất gỡ băng file ghi âm ở thẻ thứ hai, bạn có thể kiểm tra lại từng câu theo mốc thời gian và nhấn nút 'Xuất phụ đề .SRT' để tải về tệp phụ đề chuẩn SubRip (HH:MM:SS,mmm) tương thích hoàn toàn với CapCut, Premiere và YouTube Studio.
Căn cứ pháp lý & Nguồn tham khảo
- W3C Web Speech API Specification (SpeechRecognition & SpeechSynthesis) (Đặc tả chuẩn giao diện nhận diện và tổng hợp giọng nói trên trình duyệt web)
- Transformers.js (@huggingface/transformers) & OpenAI Whisper ONNX (Thư viện chạy suy luận AI WebAssembly trên trình duyệt, giấy phép Apache-2.0)
- MDN Web Docs — Intl.Segmenter & Web Audio API OfflineAudioContext (Chuẩn phân tách câu theo ngôn ngữ và chuẩn hóa tần số lấy mẫu âm thanh 16 kHz)