AI chuyển giọng nói: Khi nào khó, khi nào không hiệu quả?

Mojiokoshi-san là một công cụ chuyển đổi giọng nói thành văn bản bằng AI (AI transcription). AI này sử dụng công nghệ của Google và AmiVoice (một công ty cung cấp hệ thống nhận dạng giọng nói của Nhật Bản).

AI transcription có những ưu điểm và nhược điểm đối với các tệp âm thanh cần chuyển đổi.

Trong bài viết này, chúng tôi sẽ giới thiệu các tệp âm thanh mà AI transcription gặp khó khăn hoặc không thể xử lý tốt, cùng với các ví dụ thực tế và lý do.

Việc nắm rõ các ví dụ và lý do sẽ giúp bạn tạo ra "tệp âm thanh dễ dàng chuyển đổi bằng AI transcription". Hãy tham khảo nhé.

Các tệp âm thanh mà AI transcription gặp khó khăn

1. Âm thanh quá nhỏ, micro quá xa, khó nghe.
2. Tiếng ồn quá lớn làm át đi giọng nói.
3. Âm thanh bị mờ do tiếng vang trong phòng.
4. Có nhạc, chẳng hạn như lời bài hát.
5. Không có âm thanh.
6. Giọng địa phương quá nặng.
7. Nhiều ngôn ngữ lẫn lộn.
8. Người nghe cũng khó nghe được giọng nói.

Đối với các tệp âm thanh như vậy, việc chuyển đổi chính xác là không thể, vì vậy chúng tôi không khuyến nghị sử dụng Mojiokoshi-san.   

Bài viết liên quan>6 mẹo ghi âm để chuyển đổi giọng nói thành văn bản chính xác cao

Nếu bạn báo cáo lỗi cho các tệp âm thanh mà AI transcription gặp khó khăn, báo cáo sẽ bị từ chối và thời gian sử dụng sẽ không được hoàn lại.

Đặc biệt, nhiều báo cáo lỗi thường liên quan đến vấn đề trong nội dung tệp. Hãy cùng xem một ví dụ thực tế.

Không có giọng nói được ghi trong tệp (có tiếng ồn liên tục hoặc im lặng)

Nếu bạn tải lên tệp mà không kiểm tra nội dung, có thể xảy ra trường hợp:

Ghi âm thất bại, dẫn đến "ghi âm bị lỗi và im lặng" hoặc "micro bị ngắt giữa chừng khi ghi âm, chỉ nghe thấy tiếng ồn và không có giọng nói".

Hình ảnh trên là kết quả của việc tải lên và chuyển đổi một tệp chỉ chứa tiếng ồn. 

Mojiokoshi-san thực hiện chuyển đổi bằng AI. AI sẽ cố gắng chuyển đổi ngay cả những phần có tiếng ồn.

Đặc biệt, vấn đề này dễ xảy ra khi sử dụng PerfectVoice và tệp có tiếng ồn hoặc thời gian im lặng kéo dài hơn 1 phút ở đầu.

Nếu kết quả chuyển đổi là "aaaaaaa", "nnnnnnn", hoặc các cụm từ tương tự lặp đi lặp lại nhiều lần, hoặc kết quả không rõ ràng, hãy kiểm tra nội dung tệp.

Bạn có thể ngăn chặn vấn đề này bằng cách cắt bỏ tiếng ồn hoặc thời gian im lặng ở đầu.

Nếu bạn chuyển đổi các tệp như trên và tiêu tốn thời gian sử dụng, thời gian đó sẽ không được hoàn lại.

1. Âm thanh quá nhỏ, micro quá xa, khó nghe

Khi kiểm tra các tệp âm thanh bị lỗi, chúng tôi thường thấy rằngru-no-ga-kono-jirei-desu">

Ngay cả khi có thể chuyển đổi giọng nói thành văn bản, độ chính xác cũng sẽ thấp. Do đó, chúng tôi không khuyến nghị sử dụng AI để chuyển đổi giọng nói thành văn bản đối với các tệp âm thanh có âm lượng người nói nhỏ hoặc micrô thu âm kém do khoảng cách.

Ví dụ: Ghi âm bài giảng bằng điện thoại thông minh từ phía sau phòng học.

2. Âm thanh bị nhiễu nặng, tiếng nói bị át đi

Tiếng ồn là kẻ thù lớn của AI chuyển đổi giọng nói thành văn bản!

Trong các tệp âm thanh có nhiều tiếng ồn, giọng nói của người nói thường bị át đi và "ngay cả con người cũng khó nghe rõ".

Mặc dù thường bị bỏ qua khi ghi âm, tiếng gió cũng là một yếu tố gây nhiễu mạnh.

Nếu "ngay cả con người cũng khó nghe rõ", thì AI không thể chuyển đổi giọng nói thành văn bản với độ chính xác cao.

Ví dụ: Ghi âm trong môi trường đông người như quán cà phê ngoài trời, hoặc có tiếng chén đĩa, nhạc nền (BGM).

Khoảng cách giữa miệng và micrô quá gần, gây ra tiếng gió từ hơi thở.

3. Âm thanh bị mờ do tiếng vang trong phòng

Khi nghe bằng tai thường, chúng ta thường khó nhận ra tiếng vang trong phòng.

Khi ghi âm, tiếng vang có thể làm cho âm thanh nghe bị ù hoặc giọng nói nghe như từ xa vọng lại.

Đặc biệt, tiếng vang dễ xảy ra trong các phòng hình vuông hoặc phòng ít đồ đạc.

Ví dụ: Ghi âm cuộc trò chuyện của nhiều người ngồi ở các vị trí khác nhau trong phòng họp bằng một máy ghi âm IC.

Ghi lại bài thuyết trình trong phòng họp nhưng âm thanh bị mờ do tiếng vang trong phòng.

4. Âm thanh có nhạc, lời bài hát

AI chuyển đổi giọng nói không thể chuyển đổi bài hát thành văn bản.

Một số người nghĩ đến việc tải xuống các bài hát không lời từ YouTube và cố gắng chuyển đổi chúng thành văn bản!

Tuy nhiên, AI chuyển đổi giọng nói chủ yếu dùng để chuyển đổi cuộc hội thoại thành văn bản.

Nó không thể chuyển đổi bài hát thành văn bản.

Ví dụ: Tải xuống bài hát từ Youtube và chuyển đổi thành văn bản.

5. Tệp không có âm thanh

Không thể phiên âm các tệp âm thanh không có tiếng.

Tất nhiên, những gì không có âm thanh thì không thể phiên âm được.

Có lẽ, bạn đã cố gắng phiên âm mà không biết rằng đầu vào micrô đã bị đặt về 0.

Trước khi thử phiên âm, hãy kiểm tra tệp âm thanh của bạn và xác nhận rằng "âm thanh đã được nhập đúng cách" trước khi thử phiên âm bằng AI.

Ví dụ: Không nhận ra rằng đầu vào micrô không hoạt động

6. Giọng địa phương quá nặng

Phiên âm AI không giỏi giọng địa phương.

Đúng như tên gọi, phiên âm AI được thực hiện bởi "AI". AI được đào tạo để phiên âm dựa trên ngôn ngữ chuẩn. Do đó, nó không giỏi trong việc phiên âm giọng địa phương.

Mặc dù không phải là không thể phiên âm bằng AI, nhưng ngay cả khi môi trường ghi âm tốt và cách nói rõ ràng, chậm rãi,

Phiên âm có thể bị thiếu hoặc chỉ là một phần nhỏ.

Ví dụ: Ghi âm cuộc họp ở địa phương để làm biên bản cuộc họp → Người nói có giọng địa phương nặng

Ví dụ: Trường hợp phương ngữ tiếng Nhật

Ngay cả khi là giọng của một phát thanh viên có phát âm tốt, được ghi âm trong môi trường tốt như truyền hình, thì phương ngữ cũng khó có thể phiên âm thành công.

7. Những âm thanh mà con người khó nghe

Những gì con người khó nghe thì AI càng khó nghe hơn.

Khi nghe đến "AI", chúng ta thường nghĩ nó rất vạn năng và có thể làm tốt hơn con người.

Tuy nhiên, AI vẫn chưa thể sánh kịp con người.

Khi cần sự linh hoạt, độ chính xác của công việc AI sẽ giảm đi đáng kể.

Trong trường hợp phiên âm AI, những gì con người nghe thấy và cảm thấy "khó nghe" thì độ chính xác của phiên âm AI sẽ giảm đi rất nhiều.

Khi con người phiên âm, dù có hơi khó nghe một chút, họ vẫn có thể dự đoán "chắc chắn là như vậy" dựa trên ngữ cảnh và dòng chảy của cuộc trò chuyện.

Tuy nhiên, phiên âm AI chỉ có thể phiên âm "những gì nó nghe được". Nó không thể bổ sung hay dự đoán như con người.

Làm thế nào để phiên âm chính xác cao bằng AI?

Nhưng, tôi đã phiên âm bằng AI, nhưng nó có đúng không?

Để phiên âm chính xác bằng AI, có những điểm quan trọng cần lưu ý!

Để thực hiện phiên âm AI với độ chính xác cao, việc áp dụng một số kỹ thuật khi ghi âm là rất quan trọng.

Bài viết này sẽ giới thiệu những điểm ghi âm tối ưu khi phiên âm bằng AI.

6 điểm ghi âm tối ưu khi phiên âm bằng AI

1. Micro chất lượng cao
2. Đặt micro đúng vị trí
3. Tạo môi trường ghi âm yên tĩnh
4. Đảm bảo người nói phát âm rõ ràng
5. Mỗi người nói một lần
6. Thực hiện kiểm tra ghi âm

Chi tiết >>6 điểm ghi âm để phiên âm chính xác

Tận dụng hiệu quả phiên âm AI và phiên âm thủ công

So với phiên âm thủ công, chi phí phiên âm AI rẻ hơn rất nhiều.

Đặc biệt, trong số các dịch vụ phiên âm AI, "Mojiokoshi-san" có giá cực kỳ phải chăng, có lẽ là rẻ nhất trong ngành.

Tuy nhiên, đối với các tệp âm thanh mà phiên âm AI không hiệu quả, việc yêu cầu phiên âm thủ công vẫn đáng tin cậy hơn.

Nhưng liệu việc yêu cầu người khác phiên âm có đắt không?

Nếu bạn băn khoăn về điều đó, hãy tham khảo bài viết này.

Bài viết liên quan >>Giá thuê ngoài phiên âm giọng nói là bao nhiêu? [Hướng dẫn cách yêu cầu giá rẻ]

Như đã giới thiệu lần này, phiên âm AI cũng có những điểm mạnh và điểm yếu.

Đối với các tệp âm thanh mà phiên âm AI có thể xử lý tốt, hãy sử dụng "Phiên âm AI".

Đối với các tệp âm thanh không phù hợp:

• Thử phiên âm bằng AI
  →Nếu không được, hãy sử dụng "Phiên âm thủ công"

Đây là phương pháp được khuyến nghị.

Vì chi phí phiên âm AI thấp, ngay cả với các tệp âm thanh mà phiên âm AI có vẻ không hiệu quả, bạn vẫn có thể thử với tâm lý "thất bại cũng không sao, thành công thì may mắn". Đôi khi, bạn sẽ bất ngờ khi thấy nó hoạt động tốt.

Dịch vụ phiên âm AI "Mojiokoshi-san" cho phép bạn phiên âm miễn phí 1 phút đầu tiên. Bạn có thể kiểm tra độ chính xác của phiên âm. Hãy thử một lần nhé.

■ Dịch vụ phiên âm AI "Phiên âm của Mr."

"Mr. Transcription" là một công cụ phiên âm trực tuyến có thể được sử dụng với chi phí ban đầu bằng 0 và 1.000 yên mỗi tháng (* có sẵn phiên bản miễn phí).

• Hỗ trợ hơn 20 định dạng tệp như âm thanh, video và hình ảnh
• Có thể được sử dụng từ cả PC và điện thoại thông minh
• Hỗ trợ các thuật ngữ kỹ thuật như chăm sóc y tế, CNTT và chăm sóc dài hạn
• Hỗ trợ tạo file phụ đề và tách loa
• Hỗ trợ phiên âm bằng khoảng 100 ngôn ngữ bao gồm tiếng Anh, tiếng Trung, tiếng Nhật, tiếng Hàn, tiếng Đức, tiếng Pháp, tiếng Ý, v.v.

Để sử dụng nó, chỉ cần tải lên tệp âm thanh từ trang web. Văn bản phiên âm có sẵn trong vài giây đến hàng chục phút.
Bạn có thể sử dụng miễn phí nếu bạn phiên âm tối đa 10 phút, vì vậy hãy thử một lần.

Đó là "Mr. Transcription" có thể dễ dàng phiên âm từ âm thanh, video và hình ảnh. Phiên âm cho phép bạn phiên âm miễn phí trong tối đa 10 phút. Bạn có thể sao chép, tải xuống, tìm kiếm, xóa, v.v. văn bản đã phiên âm. Bạn cũng có thể tạo tệp phụ đề, đây là tệp lý tưởng để chuyển biên các video phỏng vấn.

HP: mojiokoshi3.com
Email: mojiokoshi3.com@gmail.com