Chuyển đến nội dung chính

Cách chuyển đổi video MP4 thành văn bản một cách riêng tư

Tác giả: Ngày đăng: Rà soát lần cuối:

Quy trình làm việc video tải lên đầu tiên có thể gửi toàn bộ MP4 mặc dù tính năng nhận dạng giọng nói chỉ cần đoạn âm thanh. Tùy thuộc vào độ phân giải, codec và tốc độ bit, một bản ghi dài có thể lên tới nhiều gigabyte. Hushscript tránh việc truyền tải đó: trình duyệt chuẩn bị âm thanh trước và video nguồn vẫn còn trên thiết bị của bạn.

Hushscript đi theo một con đường khác. Trình duyệt của bạn trích xuất âm thanh từ video trước khi quá trình tải lên bắt đầu, do đó, MP4 gốc sẽ vẫn còn trên thiết bị của bạn. Chỉ có âm thanh được chép lại và nó sẽ bị xóa ngay khi bản ghi của bạn sẵn sàng. Hướng dẫn này trình bày toàn bộ quy trình: các bước, ví dụ thực tế trên hội thảo trực tuyến đã ghi, cách lấy phụ đề SRT ra, các định dạng video khác hoạt động theo cách tương tự và những việc cần làm khi xảy ra sự cố.

Tại sao video của bạn không cần phải tải lên

Bản nhạc video không liên quan đến việc chép lời. Công cụ phát âm chỉ cần âm thanh. Tải ảnh lên hoàn toàn lãng phí: thời gian mạng, bộ nhớ máy chủ và dấu vết riêng tư mà bạn không cần.

Cách hoạt động của tính năng trích xuất trong trình duyệt, bằng ngôn ngữ dễ hiểu

MP4 là một nơi chứa. Bên trong nó chứa các luồng riêng biệt: video (hình ảnh), âm thanh (âm thanh) và một số siêu dữ liệu–cấu trúc được giải thích trong hướng dẫn xử lý video của MDN. Phiên âm chỉ cần luồng âm thanh.

Hushscript chạy một bộ công cụ truyền thông gốc dành cho trình duyệt nhỏ ngay trên trang. Khi bạn thả MP4 của mình, bộ công cụ đó sẽ mở vùng chứa cục bộ, sao chép luồng âm thanh và chuyển âm thanh đó sang tải lên mà không cần trang gửi video đi bất cứ đâu. Công việc diễn ra ở cùng nơi phát video: trên máy của chính bạn.

Vì vậy, kết quả thực tế là:

Điều này quan trọng đối với các cuộc họp, cuộc phỏng vấn được ghi lại, lời khai pháp lý và bất kỳ hoạt động nào mà bản thân cảnh quay đó mang tính nhạy cảm. Điều này cũng quan trọng khi bạn sử dụng kết nối chậm với tệp nhiều gigabyte: việc trích xuất âm thanh trước tiên sẽ biến quá trình tải lên kéo dài nửa giờ thành vài phút.

Những thứ bạn cần

Ba thứ và không cần cài đặt gì:

Bạn không cần trình trích xuất âm thanh riêng, bộ chuyển đổi hoặc bất kỳ phần mềm video nào. Bỏ MP4 là toàn bộ đầu vào.

Chuyển đổi MP4 theo ba bước

  1. Thả MP4 của bạn trên trang tại /MP4-to-text. Trình duyệt của bạn trích xuất bản âm thanh và chỉ tải lên âm thanh, để video vẫn ở trên thiết bị của bạn. 30 giây đầu tiên sẽ hiển thị dưới dạng bản xem trước do người thuyết trình gắn nhãn, không cần tài khoản.
  2. Đăng ký để chép lời phần còn lại. Nhập email của bạn để tạo tài khoản. Mới ở đây à? Chúng tôi sẽ có 30 phút đầu tiên sau khi bạn xác minh phương thức thanh toán, khoản giữ thẻ $1 (được ủy quyền, sau đó được giải phóng ngay lập tức, không bao giờ bị tính phí) hoặc gói phút đầu tiên của bạn nếu bạn thanh toán theo cách khác. Không cần thẻ. Bản ghi được tính phí theo thời lượng âm thanh chứ không phải kích thước tệp.
  3. Xuất bản ghi. Sau khi sẵn sàng, hãy tải xuống bản ghi ở bất kỳ định dạng nào trong số 21 định dạng (TXT, SRT và VTT cho phụ đề, DOCX và PDF cho tài liệu, JSON và CSV cho dữ liệu, cùng với các định dạng khác) cùng với tệp .husharchive được bảo vệ bằng mật khẩu. Nhãn người nói được bao gồm miễn phí.

Việc xóa âm thanh diễn ra tự động khi bản ghi được gửi. Không cần nhớ bước dọn dẹp nào.

“Tính phí theo thời lượng âm thanh” nghĩa là

Một tệp MP4 dài một giờ ở 1080p có thể là 6 GB. Âm thanh được trích xuất từ ​​nó (thường là AAC ở tốc độ 128–256 kbps) là khoảng 60–120 MB. Đó là nội dung tải lên và chi phí theo phút được tính dựa trên 1 giờ âm thanh chứ không phải tệp 6 GB.

Kết quả cuối cùng: bạn có thể chép lại một bộ phim tài liệu 4K dài hai giờ từ máy ghi hiện trường và trả chi phí bằng một phút như một chiếc MP3 nhỏ vì cả hai đều mang cùng một lượng âm thanh. Độ phân giải, tốc độ bit và kích thước tệp hoàn toàn không liên quan đến số tiền bạn phải trả.

Một ví dụ hoạt động: một hội thảo trên web được ghi lại

Giả sử bạn chạy một hội thảo trên web dài 52 phút với hai người thuyết trình và ghi nó vào một tệp MP4:q3-product-webinar.mp4, khoảng 3,4 GB ở 1080p. Bạn muốn có một bản ghi rõ ràng cho email tóm tắt, cùng với phụ đề để đính kèm vào bản phát lại.

Đây là cách nó thực sự diễn ra:

  1. Bạn mở /MP4-to-text và thả q3-product-webinar.mp4. Trang này trích xuất âm thanh cục bộ để video 3,4 GB trở thành khoảng 70 MB âm thanh. Chỉ tải lên 70 MB đó.
  2. 30 giây đầu tiên sẽ được dán nhãn nên bạn có thể kiểm tra tỉnh táo chất lượng âm thanh trước khi chép lại toàn bộ 52 phút.
  3. Khi bản ghi đầy đủ sẵn sàng, nó sẽ được chia thành các câu được gắn thẻ Người nói A hoặc Người nói B. Bạn bấm Người nói A, gõ “Priya”, bấm Người nói B, gõ “Marcus,” và cả hai đều được dán nhãn lại ở mọi nơi cùng một lúc.
  4. Bạn xuất TXT cho email tóm tắt và SRT cho phụ đề của bản phát lại. MP4 gốc của hội thảo trên web không bao giờ rời khỏi máy tính xách tay của bạn và âm thanh đã bị xóa khỏi máy chủ.

Phần khiến mọi người ngạc nhiên lần đầu tiên là bước 1: tải lên nhiều gigabyte mà đơn giản là không xảy ra. Hình ảnh ở lại với bạn; chỉ có các từ mới di chuyển.

Nhãn người nói cho video nhiều người

Mỗi bản ghi đều bao gồm tính năng phân tách người nói tự động mà không phải trả thêm phí. Đối với một cuộc phỏng vấn, một hội thảo hoặc một bản ghi âm cuộc họp, mỗi diễn giả được gắn nhãn Người nói A,Người nói B, v.v., và bạn có thể đổi tên họ thành tên thật trong trình chỉnh sửa bằng cách nhấp vào nhãn và gõ.

tính năng phân tách người nói hoạt động hiệu quả nhất với sự phân tách rõ ràng. Âm thanh của camera trong một căn phòng yên tĩnh hoặc một cuộc gọi video được ghi lại với các bản nhạc của mỗi người tham gia, giúp hệ thống hoạt động hiệu quả nhất. Một căn phòng đông đúc với những người đang nói chuyện với nhau sẽ khó khăn hơn đối với bất kỳ công cụ phân tách người nói nào. Hãy xem phần khắc phục sự cố bên dưới để biết những điều hữu ích.

Nhận phụ đề (SRT / VTT) từ video

Nếu lý do bạn chép lời video là vì phụ đề, hãy xuất bản chép lời dưới dạng SRT. Mỗi câu nói đều có dấu thời gian bắt đầu và kết thúc, được định dạng theo thông số SRT:

1
00:00:04,210 --> 00:00:07,880
Người nói A: Cảm ơn bạn đã tham gia cùng chúng tôi hôm nay.

2
00:00:08,100 --> 00:00:12,340
Người nói B: Rất vui được ở đây.

Tải SRT vào trình phát trên máy tính để bàn (VLC, QuickTime và hầu hết các biên tập viên đều chấp nhận nó) hoặc tải nó lên dưới dạng phụ đề trên nền tảng hỗ trợ trình phát này. Tính năng xuất Hushscript SRT giữ lại nhãn người nói, rất hữu ích cho video nhiều người. Một số định dạng chú thích loại bỏ tên; SRT bảo tồn chúng.

Đối với người chơi web sử dụng WebVTT (.vtt), sự khác biệt so với SRT là rất nhỏ: dòng tiêu đề WEBVTT và . thay vì , trong dấu thời gian. Bạn có thể chuyển đổi SRT sang VTT trong trình duyệt bằng công cụ miễn phí tại /tools/SRT-to-VTT; quá trình chuyển đổi diễn ra cục bộ trong trang.

Hai hướng dẫn anh chị em đi sâu hơn chỗ trống ở đây: cách tạo phụ đề SRT từ video đề cập đến việc chỉnh sửa thời gian tín hiệu và độ dài dòng và cách thêm phụ đề vào video đề cập đến việc gắn hoặc ghi phụ đề vào video. Ghi phụ đề vĩnh viễn vào hình ảnh là một bước mã hóa riêng biệt. Một công cụ miễn phí như HandBrake xử lý mux sau khi bạn có SRT.

Các định dạng video khác (MOV, WebM, MKV)

Quy trình trích xuất trình duyệt tương tự cũng áp dụng tốt ngoài MP4:

Các vùng chứa này chứa codec âm thanh thông thường (AAC, MP3, Opus, FLAC) và bước trích xuất sẽ giải mã chúng giống như cách thực hiện MP4. Trên thực tế, mọi thứ được ghi trên điện thoại, máy ảnh hoặc máy ghi màn hình đều sẽ hoạt động. Chỉ cần thả nó vào.

Bạn cũng có thể cung cấp trực tiếp các tệp chỉ có âm thanh như MP3, WAV, M4A. Nếu không có luồng video nào để loại bỏ, bước trích xuất sẽ bị bỏ qua và tệp sẽ được tải lên nguyên trạng. Và nếu bạn chỉ muốn bản thân tệp âm thanh chứ không phải bản ghi, chuyển đổi MP4 thành MP3 là một công việc riêng biệt cũng chạy hoàn toàn trong trình duyệt của bạn. trang chuyển video thành văn bản bao gồm toàn bộ quy trình làm việc cho mọi định dạng video, kể cả những định dạng có codec âm thanh khác thường.

Khắc phục sự cố

Các tệp MP4 thông thường thường không cần chuẩn bị thủ công. Nếu một lỗi xảy ra hoặc tạo ra văn bản yếu, trước tiên hãy kiểm tra các nguyên nhân này.

Video nguồn rất lớn. Ứng dụng không có giới hạn kích thước tệp – ứng dụng chuẩn bị âm thanh từ cả video rất lớn ngay trong trình duyệt của bạn, miễn là quá trình ghi trong vòng 10 giờ (trình duyệt của bạn vẫn cần đủ dung lượng cục bộ để thực hiện công việc). Nếu quá trình trích xuất bị dừng trên một tệp 4K lớn, hãy đóng các tab khác và thử lại hoặc trích xuất âm thanh trước. công cụ trích xuất âm thanh miễn phí thực hiện công việc đó trong trình duyệt và tạo ra một tệp nhỏ hơn mà bạn có thể tải trực tiếp lên.

Không có bản âm thanh hoặc không có giọng nói. Bản ghi màn hình im lặng hoặc clip chỉ có nhạc không có gì để công cụ phiên âm nên bạn sẽ nhận được kết quả trống. Xác nhận video thực sự có âm thanh giọng nói bằng cách tăng âm lượng. Nếu đó là bản ghi màn hình, hãy kiểm tra xem máy ghi đã được đặt để thu âm thanh hệ thống hoặc micrô hay chưa; nhiều mặc định chỉ dành cho video.

Bộ giải mã âm thanh không được hỗ trợ hoặc ít người biết đến. Trình trích xuất trong trình duyệt xử lý các bộ giải mã phổ biến (AAC, MP3, Opus, FLAC). Vùng chứa sử dụng codec âm thanh bất thường hoặc độc quyền có thể không được giải mã rõ ràng và âm thanh sẽ không được trích xuất. Cách khắc phục là làm lại hoặc mã hóa lại âm thanh của video thành codec tiêu chuẩn trước; hầu hết các bộ chuyển đổi đều có thể xuất ra tệp MP4 tiêu chuẩn hoặc tệp âm thanh đơn giản. Nếu bạn gặp một định dạng không được chấp nhận, hãy gửi email tới support@hushscript.com và chúng tôi sẽ xem xét việc thêm định dạng đó.

Nhiều người nói, sự phân tách lộn xộn. quá trình phân tách người nói cần có các giọng nói có thể phân biệt được. Giọng nói chồng chéo, một micrô trường xa trong phòng lớn hoặc tiếng ồn nền nặng nề đều làm mờ ranh giới giữa những người nói. Bạn vẫn sẽ nhận được bản ghi chính xác; nhãn của người nói chỉ kém chính xác hơn. Nếu bạn điều khiển bản ghi, bản nhạc của mỗi người tham gia (vì hầu hết các công cụ gọi điện video đều có thể xuất) hoặc micrô gần mỗi người nói sẽ mang lại sự tách biệt rõ ràng nhất. Dù bằng cách nào, bạn có thể sửa bất kỳ dòng nào bị gắn nhãn sai trong trình chỉnh sửa trước khi xuất.

Bản chép lại có lỗi chính tả nhất quán. Một danh từ riêng hoặc một đoạn biệt ngữ lặp đi lặp lại luôn được phiên âm sai theo cùng một cách là cách khắc phục một lần: một lần tìm và thay thế trong văn bản đã xuất sẽ sửa mọi trường hợp. Điều này nhanh hơn việc chạy lại bất kỳ thứ gì.

Xuất nhanh các định dạng

Định dạng Những gì bạn nhận được
TXT Văn bản thuần túy, nhãn người nói, không có dấu thời gian
SRT Phụ đề có dấu thời gian, sẵn sàng tải vào bất kỳ trình phát video nào
VTT Phụ đề web dành cho trình phát video HTML5
CSV Các hàng thân thiện với bảng tính có người nói và thời gian
Markdown Văn bản được gắn nhãn bằng người nói để ghi chú và xuất bản
JSON Dữ liệu có cấu trúc:{ speaker, start, end, text } mỗi phát ngôn
DOCX Bản ghi được gắn nhãn của người nói cho Word hoặc Google Tài liệu
PDF Bản ghi có bố cục cố định để chia sẻ hoặc lưu trữ

Tất cả các định dạng xuất đều được bao gồm trong mọi gói, bao gồm cả 30 định dạng miễn phí phút và không có phút nào có hình mờ.

Đối với bất kỳ video nào có vấn đề về quyền riêng tư, dù là cuộc họp, cuộc phỏng vấn hay lời khai, quan điểm vẫn giữ nguyên: video của bạn không bao giờ tải lên. Bạn có thể tự mình xác minh nó. Mở tab mạng của trình duyệt trước khi thả tệp và xem nội dung được gửi; bạn sẽ thấy âm thanh tăng lên và hình ảnh vẫn giữ nguyên.

Nguồn và tiêu chuẩn độc lập

Hushscript đã tham khảo các nguồn độc lập, không cạnh tranh này. Chúng giải thích nghiên cứu, tiêu chuẩn hoặc cách nền tảng hoạt động và không đồng nghĩa với việc ủng hộ Hushscript.

Ngày rà soát nguồn:

Câu hỏi thường gặp

Tệp video MP4 có được tải lên máy chủ không?

Không. Trình duyệt của bạn trích xuất đoạn âm thanh từ video trước khi mọi thứ rời khỏi thiết bị của bạn. Chỉ có âm thanh được gửi để phiên âm. MP4 gốc vẫn còn trên máy của bạn. Bạn có thể tự xác nhận điều đó trong tab mạng của trình duyệt: bạn sẽ thấy âm thanh tải lên nhỏ chứ không phải video nhiều gigabyte.

Kích thước video tối đa tôi có thể sử dụng là bao nhiêu?

Không có giới hạn kích thước tệp – các bản ghi có thời lượng lên tới 10 giờ đều được chấp nhận, cho dù video nguồn có lớn đến đâu. Vì chỉ tải lên âm thanh nên một video dài thường gửi ít dữ liệu hơn nhiều so với kích thước của nó trên đĩa.

Chi phí để chép lại một tệp MP4 là bao nhiêu?

Bạn nhận được 30 phút miễn phí sau khi kiểm tra thẻ $1 (khoản giữ được ủy quyền, sau đó được giải phóng ngay lập tức, không bao giờ bị tính phí) hoặc với lần mua hàng đầu tiên nếu bạn thanh toán theo cách khác. Sau đó, nó sẽ trả tiền khi bạn sử dụng, được tính phí theo thời lượng của âm thanh chứ không phải kích thước tệp của video. Xem trang định giá để biết chi phí gói.

Tôi có thể lấy phụ đề SRT từ MP4 không?

Có. Sau khi phiên âm, xuất dưới dạng SRT. Tệp SRT bao gồm dấu thời gian bắt đầu và kết thúc ở mỗi lần phát âm và có thể được tải vào hầu hết các trình phát video hoặc tải lên dưới dạng phụ đề. Nó giữ lại nhãn người nói mà một số định dạng phụ đề khác bỏ đi.

Định dạng video nào khác hoạt động theo cách tương tự?

MOV, WebM, MKV và hầu hết các định dạng chứa chứa codec âm thanh tiêu chuẩn (AAC, MP3, Opus, FLAC). Bước trích xuất trong trình duyệt xử lý quá trình giải mã nên phương pháp này giống hệt với MP4.

Video của tôi không có âm thanh nói. Tôi vẫn có thể chép lại nó chứ?

Không. Phiên âm hoạt động từ lời nói, do đó, video không có đoạn âm thanh hoặc bản ghi màn hình im lặng sẽ không có gì để phiên âm. Nếu có nhạc nền nhưng không có lời nói thì kết quả sẽ trống hoặc có tiếng ồn vì công cụ chỉ trả về các từ.

Âm thanh có bị xóa sau khi phiên âm không?

Có. Âm thanh được trích xuất sẽ bị xóa khỏi máy chủ ngay khi bản ghi của bạn sẵn sàng và công cụ phát âm không giữ lại gì. Bản ghi âm được mã hóa ở trạng thái lưu trữ nên ngay cả khi rò rỉ bộ nhớ cũng sẽ hiển thị văn bản mã hóa không thể đọc được thay vì lời nói của bạn.

Bắt đầu với 30 phút miễn phí

Bắt đầu – 30 phút miễn phí