Chuyển đến nội dung chính

Blog

Cách chuyển podcast thành văn bản (xem trước miễn phí)

Tác giả: Ngày đăng: Rà soát lần cuối:

Để phiên âm một podcast, hãy tải lên file âm thanh của tập, xem bản xem trước 5 phút miễn phí, rồi đăng nhập và chạy phiên âm đầy đủ. Hushscript gắn nhãn từng người dẫn và khách, bạn đổi tên các nhãn một lần, rồi xuất văn bản dưới dạng TXT, DOCX hoặc SRT. Một tập đầy đủ cần có tài khoản và đủ số phút khả dụng; tạo tài khoản không cần thẻ.

Bản phiên âm podcast có giá trị gấp đôi. Nó giúp tập có thể tìm kiếm và dễ tiếp cận với người nghe thích đọc hơn nghe, và cho bạn nguyên liệu để lấy trích dẫn, chia chương và làm phụ đề mà không phải nghe lại bản ghi. Nền tảng hỗ trợ là cụ thể: Apple Podcasts có tài liệu về bản phiên âm và điều hướng chương dành cho người sáng tạo. Hướng dẫn này nói về cách phiên âm podcast, gắn nhãn các giọng, xử lý những vấn đề thường gặp và dùng kết quả. Về trang sản phẩm, xem phiên âm podcast.

Bước tiết kiệm thời gian nhất là tách người nói. Một bản phiên âm là một khối văn bản liền mạch thì gần như tốn công ngang với nghe lại âm thanh. Hushscript tự động gắn nhãn từng giọng, miễn phí trên mọi bản phiên âm, nên cuộc trò chuyện trở về vẫn là một cuộc trò chuyện.

Bạn cần gì trước khi bắt đầu

Một bản ghi của tập, ở bất kỳ định dạng âm thanh hoặc video phổ biến nào, hoặc một liên kết trực tiếp đến file âm thanh. Nếu bạn đã xuất file âm thanh thuần từ phần mềm dựng (MP3, WAV, M4A), file đó dùng được ngay. Nếu bản duy nhất của bạn là bản ghi video từ Zoom, Riverside hoặc Ecamm, cũng dùng được, và âm thanh được tách ra ngay trong trình duyệt nên video không bao giờ được tải lên.

Âm thanh nguồn sạch giúp ích hơn mọi thứ khác. Nhãn người nói hoạt động tốt nhất khi mỗi giọng khác biệt và mọi người không liên tục nói chồng lên nhau. Nếu bạn thu mỗi người trên một track riêng, bạn đã có đầu vào sạch nhất có thể. Một track trộn duy nhất vẫn dùng được; chỉ là việc phân biệt các giọng dựa nhiều hơn vào khâu tách người nói. Nếu có thể, hãy thu giọng nói sạch và thêm nhạc nền sau trong phần mềm dựng, vì nhạc hiệu chạy dưới lời nói liên tục là thứ duy nhất thường xuyên kéo độ chính xác xuống.

Bạn sẽ cần tài khoản để phiên âm một tập đầy đủ. Bản xem trước 5 phút là bước không cần tài khoản, nên bạn có thể kiểm tra nhãn người nói và chất lượng văn bản trên chính file của mình trước khi đăng ký bất cứ thứ gì.

Cách chuyển podcast thành văn bản, từng bước

Quy trình là xem trước trước, rồi đăng ký, rồi phiên âm phần còn lại. Đây là cách phiên âm âm thanh podcast thành văn bản.

  1. Thả file vào trang phiên âm podcast. Hushscript cắt 5 phút đầu ngay trong trình duyệt và trả về bản xem trước có nhãn người nói. Bước này không cần tài khoản. Bạn thấy chính xác người dẫn và khách được tách ra sao và văn bản đọc sạch đến đâu trên chính âm thanh của bạn.
  2. Đăng ký để phiên âm phần còn lại. Sau khi nhập email và đăng nhập, bạn tải lên cả tập. Tài khoản cá nhân đủ điều kiện có thể nhận 30 phút miễn phí để dùng thử, cấp một lần, sau khi xác minh thẻ hoặc cùng lần mua đầu tiên; bảng giá nêu rõ điều khoản. Phiên âm đầy đủ cần có tài khoản và đủ số phút khả dụng.
  3. Để phiên âm chạy, rồi xuất. Bản phiên âm trở về với một nhãn và một mốc thời gian trên mỗi lời nói. Xuất DOCX để có tài liệu bạn sẽ chỉnh thành ghi chú tập, TXT để có một khối văn bản sạch dán vào CMS, SRT cho phụ đề của bản video, hoặc JSON nếu máy chủ podcast của bạn nhận bản phiên âm đến từng lời nói.

30 phút miễn phí có thể đủ cho một tập ngắn hoặc một đoạn tiêu biểu của tập dài hơn. Một tập 60 phút dùng 60 phút từ số dư của bạn, nên cần nạp thêm sau phần dùng thử.

Sau phần dùng thử, chuyển thành văn bản trả theo mức dùng nghĩa là các gói phút trả trước, không subscription, nên tháng nào giữa các tập không phát hành thì không tốn gì.

Gắn nhãn từng người dẫn và khách

Tách người nói chạy tự động, nên bạn không cần bật gì. Với tập có hai người (một người dẫn, một khách), bản phiên âm trở về được tách gọn, mỗi dòng thuộc một trong hai nhãn. Với cuộc trò chuyện nhiều người, Hushscript tách bấy nhiêu giọng riêng biệt mà nó nghe được, không giới hạn số người nói.

Để thay các nhãn chung bằng tên thật:

  1. Nhấp vào một Người nói A bất kỳ trong trình chỉnh sửa.
  2. Nhập tên, chẳng hạn “Alex” hoặc “Host”.
  3. Mọi vị trí của nhãn đó trong bản phiên âm được cập nhật cùng lúc.

Bạn đặt lại nhãn cho từng giọng một lần, không phải từng dòng. Tập hai người mất khoảng một phút; cuộc trò chuyện bốn người mất vài phút. Sau khi đặt lại nhãn, một đoạn bản phiên âm trông như sau:

Alex [00:03:12]: Vậy lúc đó bạn đang điều hành công ty. Những dấu hiệu đầu tiên là gì?
Jamie [00:03:19]: Thật lòng mà nói, là các con số. Chúng tôi sụt 40% chỉ trong một quý.
Alex [00:03:27]: Và lúc đó bạn không giải thích được?
Jamie [00:03:35]: Suốt mấy tuần liền không. Đó là điều khiến tôi mất ngủ.

Đó là cấu trúc bạn cần để lấy trích dẫn và viết các chương có mốc thời gian. Vì nhãn xuyên suốt cả file, một tập dài chỉ cần gắn nhãn đúng một lần. Về cơ chế tách giọng, xem cách tách giọng người nói hoạt động.

Khi nhãn cần sửa

Tách giọng chính xác trên bản thu sạch nhưng không phải không sai sót, và vài mẫu hình đáng biết để bạn sửa nhanh.

Nếu hai khách có giọng rất giống nhau, thỉnh thoảng một dòng có thể rơi vào sai người nói. Hãy quét bản phiên âm khi mở âm thanh và gán lại bằng tay vài dòng bị gán nhầm. Cách này nhanh hơn nhiều so với gõ tên người nói từ đầu, vì bạn chỉ sửa các trường hợp ngoại lệ.

Nếu một đồng dẫn ít nói bị gộp vào nhãn khác, hãy đặt tên thật cho những người nói chính trước, rồi quét tìm vài dòng đáng ra thuộc về giọng ít nói đó. Với bản thu tách giọng tốt, bạn hiếm khi gặp cả hai trường hợp, và đó là lý do một track riêng cho mỗi người đáng để bỏ thêm chút công thiết lập lúc thu âm.

Những vấn đề thường gặp và nguyên nhân thật sự

Phần lớn vấn đề phiên âm bắt nguồn từ bản thu, không phải từ công cụ. Vài vấn đề đáng lường trước khi bạn đăng một chương trình.

Người nói chồng lên nhau. Đây là điều khó nhất với mọi hệ thống tách người nói, vì hai giọng cùng một lúc không thể tách gọn. Văn bản thường vẫn đọc được, nhưng một đoạn chồng lấn nặng có thể rơi vào một người nói hoặc bị nhòe ở chỗ nối. Thói quen thu podcast tốt vốn đã giúp ở đây: người dẫn để khách nói hết câu sẽ cho bản phiên âm sạch hơn như một tác dụng phụ. Khi chuyện đó vẫn xảy ra, hãy sửa vài dòng ấy bằng tay đối chiếu với âm thanh.

Khách từ xa thu trên một track. Cuộc gọi thu thành một file trộn khó tách hơn so với cùng cuộc gọi thu thành một track cho mỗi người tham gia. Nếu công cụ của bạn hỗ trợ thu cục bộ theo từng người, hãy dùng; nếu bạn chỉ có file trộn, bản phiên âm vẫn ra, chỉ là phụ thuộc nhiều hơn vào khâu tách giọng. Dù thế nào, âm thanh vẫn là cùng một lần tải lên, nên không có gì khác phải làm khi phiên âm. Nếu bạn đã thu track riêng cho từng khách và cần gộp chúng thành một file trước khi tải lên, công cụ gộp file âm thanh miễn phí xử lý việc đó ngay trong trình duyệt, không tải gì lên. Khách tham gia qua một tab Chrome có thể được ghi bằng tiện ích Chrome Hushscript miễn phí, tiện ích trộn tab và micrô của bạn thành một bản ghi. Hãy báo cho khách trước khi bắt đầu.

Giọng nặng vùng miền và chuyển đổi ngôn ngữ. Hushscript tự động nhận diện ngôn ngữ và phiên âm khoảng 99 ngôn ngữ, với độ chính xác hàng đầu ở mười tám ngôn ngữ trong số đó, nên khách có giọng đặc trưng trong một ngôn ngữ được hỗ trợ vẫn được xử lý tốt. Khách chuyển qua lại giữa hai ngôn ngữ ngay giữa câu là trường hợp thật sự khó; hãy chuẩn bị chỉnh các cụm chuyển ngôn ngữ bằng tay. Về danh sách đầy đủ các ngôn ngữ được hỗ trợ, xem trang ngôn ngữ.

Nhạc hiệu và đoạn nhạc chuyển. Nhạc nền giữa các phân đoạn nhìn chung bị bỏ qua chứ không bị phiên âm thành chữ vô nghĩa. Rắc rối chỉ bắt đầu khi nhạc chạy dưới lời nói liên tục trong một đoạn dài. Cách xử lý gọn là ở khâu biên tập: thu giọng nói sạch rồi chèn nhạc sau, để khâu phiên âm chỉ nhìn thấy lời nói.

Tên riêng, thuật ngữ và cách viết thương hiệu. Khách chuyên môn sẽ dùng thuật ngữ và tên sản phẩm mà mô hình có thể viết theo âm. Những lỗi này sửa nhanh vì chúng lặp lại, và tìm và thay thế trên tài liệu đã xuất xử lý một lỗi chính tả lặp lại chỉ trong một lượt.

Vài mẹo về độ chính xác

Đòn bẩy lớn nhất là chất lượng thu âm, nên công sức bỏ vào micro và căn phòng yên tĩnh sẽ được đền đáp khi phiên âm. Ngoài ra, một track cho mỗi người nói cho cả văn bản sạch nhất lẫn nhãn người nói sạch nhất, vì hệ thống không bao giờ phải gỡ hai giọng ra khỏi một dạng sóng. Giữ micro của khách ở gần và ổn định thay vì xê dịch, và bạn sẽ dành thời gian chỉnh sửa cho nội dung thay vì sửa lỗi.

Khi hiệu đính, hãy đọc khi mở âm thanh và sửa theo từng lượt: nhãn người nói trước, rồi tên và thuật ngữ nghe nhầm, rồi đến những chỗ chồng giọng thỉnh thoảng gặp. Làm theo từng loại nhanh hơn đọc từ trên xuống dưới, và cho bạn một tài liệu đủ sạch để đăng.

Dùng bản phiên âm

Khi văn bản đã sạch, nó là nền tảng cho trích dẫn, chương và phụ đề. Mốc thời gian đi kèm mỗi lời nói, nên bạn tìm được chỗ đổi chủ đề mà không phải nghe lại tập. Để tìm trong văn bản các địa chỉ web được nói ra, hãy tìm những mảnh như “dot com” hoặc “slash”. Với một câu trích, hãy chủ động quyết định có giữ các từ đệm hay không; bản phiên âm lược bỏ từ đệm và nguyên văn nói về cả hai.

Ghi chú tập, chương và phần còn lại của quy trình đăng nằm trong quy trình phiên âm podcast.

Bản phiên âm podcast trên Spotify: thêm và xem transcript

Spotify có thể hiển thị bản phiên âm bên cạnh một tập. Trợ giúp dành cho nhà sáng tạo của Spotify cho biết một số chương trình có bản phiên âm tự tạo, và người nghe thấy chúng trong chế độ Đang phát và trên trang tập trong ứng dụng Spotify di động. Để đăng văn bản đã xem lại của riêng bạn, bạn tải lên một file VTT hoặc SRT tối đa 5 MB. Hãy kèm mốc thời gian, nếu không văn bản sẽ không đồng bộ khi phát.

Để tạo file đó, hãy phiên âm âm thanh gốc của tập, không phải bản sao lấy từ Spotify. Hushscript không nhập tập từ các trang Spotify, và bản xuất từ trình dựng của bạn dù sao cũng là nguồn sạch nhất. Sửa tên và nhãn người nói trong trình chỉnh sửa, rồi xuất SRT hoặc VTT. Cả hai định dạng đều mang mốc thời gian mà Spotify yêu cầu.

Có hai điều cần kiểm tra trước. Spotify cho biết bản phiên âm đã tải lên sẽ bị thay thế nếu bạn bật bản tự tạo, nên hãy quyết định bạn muốn dùng loại nào. Và bạn không thể chỉnh sửa bản phiên âm bên trong Spotify for Creators: bạn sửa file ngoại tuyến rồi tải lại. Hãy giữ file SRT đã sửa làm bản gốc và xuất lại sau mỗi lần sửa. Spotify cũng cho biết tùy vào nơi lưu trữ podcast của bạn, có thể bạn không đồng bộ được bản phiên âm, và bản phiên âm không có sẵn cho mọi nhà sáng tạo hay trong ứng dụng di động Spotify for Creators. Trợ giúp của họ đặt phần điều khiển trong Spotify for Creators trên web: Settings, rồi Transcripts cho cả chương trình, hoặc Details của một tập cho riêng tập đó.

Thêm phụ đề

Nếu bạn đăng bản video của tập lên một nền tảng như trang lưu trữ video, video Spotify hoặc LinkedIn, bản xuất SRT là file phụ đề có mốc thời gian, sẵn sàng để tải lên. Không có bước thừa nào, vì bản phiên âm bạn đã tạo đã mang dữ liệu thời gian. Nếu bạn chỉ có âm thanh mà nền tảng cần một file video, công cụ miễn phí MP3 sang MP4 biến tập thành MP4 với một ảnh tĩnh hoặc một màu đơn sắc, ngay trong trình duyệt và không tải gì lên. Nó nhận file đến 200 MB và khoảng 3 giờ. Về quy trình rộng hơn để đưa phụ đề vào một clip, gồm phụ đề gắn cứng so với file đi kèm, xem cách thêm phụ đề vào video.

Nếu điểm xuất phát của bạn là bản ghi video chứ không phải âm thanh đã xuất, quy trình y hệt; âm thanh được trích xuất trong trình duyệt của bạn trước. Trang chuyển video thành văn bản trình bày đầy đủ con đường đó.

Tập dài và nhiều phần

Với một tập dài như phim hoặc một bản ghi trực tiếp, Hushscript nhận file tải lên dài tới 10 giờ, không giới hạn dung lượng. Một cuộc thảo luận bốn giờ hoặc một tập theo dạng phóng sự được xử lý như một file thay vì bị chia thành các đoạn, điều này quan trọng vì hai lý do. Nhãn người nói nhất quán trên cả file, nên bạn đặt lại nhãn một lần. Và mốc thời gian liên tục, nên một chương ở mốc ba giờ hiện là [03:12:40] thay vì bắt đầu lại từ đầu ở phần hai.

Nếu bạn thu một loạt nhiều phần trong một buổi, hãy phiên âm cả buổi thành một file duy nhất rồi chia ghi chú tập theo từng phần sau. Cắt âm thanh trước chỉ làm công việc đặt lại nhãn nhân lên.

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

Làm thế nào để chuyển một podcast thành văn bản?

Tải lên file âm thanh của tập, hoặc bản ghi video của tập đó, xem bản xem trước 5 phút miễn phí, rồi đăng nhập và chạy phiên âm đầy đủ. Đổi tên các nhãn người nói, đọc văn bản đối chiếu với âm thanh, rồi xuất TXT, DOCX hoặc SRT. Một tập 60 phút dùng 60 phút từ số dư của bạn.

Tôi có thể chuyển podcast thành văn bản miễn phí không?

Một phần. Bản xem trước 5 phút miễn phí và không cần tài khoản, nên bạn có thể đánh giá văn bản và nhãn người nói ngay trên tập của mình. Tài khoản cá nhân đủ điều kiện còn nhận 30 phút miễn phí một lần, sau khi xác minh thẻ hoặc cùng lần mua đầu tiên. Tập dài hơn cần số phút trả trước, không có subscription.

Tôi có thể chuyển âm thanh podcast thành văn bản từ file MP3 hoặc từ một liên kết không?

Được với MP3 và các file âm thanh phổ biến khác, các file này được tải lên nguyên trạng. Nếu bạn chỉ có liên kết trực tiếp đến file âm thanh, bạn có thể nhập nó thay vì tải xuống rồi tải lên lại. Liên kết video không được nhập, vì âm thanh được trích xuất trên thiết bị của bạn từ một file video cục bộ.

Làm thế nào để gắn nhãn người dẫn và từng khách trong bản phiên âm?

Hushscript tự động tách người nói bằng các nhãn như 'Người nói A' và 'Người nói B'. Sau khi phiên âm, hãy nhấp vào một nhãn bất kỳ trong trình chỉnh sửa, nhập tên thật, và nhãn được cập nhật ở mọi nơi người nói đó xuất hiện. Tập có hai người mất khoảng một phút để đặt lại nhãn; một cuộc trò chuyện bốn giọng mất vài phút.

Nhãn người nói có tốn thêm phí không?

Không. Nhãn người nói được tặng kèm miễn phí trên mọi bản phiên âm Hushscript tạo ra, không tính phí theo từng người nói và không giới hạn số giọng. Nhiều công cụ đặt tính năng này sau gói cao hơn; ở đây nó là một phần của kết quả tiêu chuẩn.

Tôi có thể chuyển bản ghi video của podcast thành văn bản không?

Được. Nếu bạn có file video như MP4, MOV hoặc MKV, âm thanh được trích xuất trong trình duyệt trước khi bất cứ thứ gì được tải lên, nên video ở lại trên thiết bị của bạn. Chỉ âm thanh đã trích xuất mới đến máy chủ, và điều này cũng giúp file video lớn không làm nghẽn kết nối của bạn.

Tôi có thể chuyển một tập dài bao lâu thành văn bản trong một lần?

Tối đa 10 giờ mỗi lần tải lên, không giới hạn dung lượng file. Một tập 60 phút, một buổi chuyên sâu hai giờ hay một bản ghi trực tiếp bốn giờ đều được xử lý như một file duy nhất, nên bạn chỉ đặt lại nhãn người nói một lần thay vì ghép các phần với nhau.

Hushscript xuất ra những định dạng nào?

TXT, SRT, VTT, CSV, TSV, Markdown, HTML, RTF, XML, JSON, DOCX, PDF và .husharchive được bảo vệ bằng mật khẩu, không có watermark. Với ghi chú tập, DOCX cho bạn một tài liệu đã định dạng để chỉnh sửa trực tiếp. SRT cho bạn phụ đề có mốc thời gian nếu bạn đăng bản video. JSON cho bạn dữ liệu đến từng lời nói nếu máy chủ podcast của bạn nhận bản phiên âm tải lên.

Tôi có cần chuyển cả tập thành văn bản để viết ghi chú tập không?

Muốn có mốc thời gian chính xác và trích dẫn nguyên văn thì có. Bạn có thể phác ghi chú sơ bộ theo trí nhớ, nhưng các mốc chương, trích dẫn chính xác và bản phiên âm đầy đủ có thể tìm kiếm đều đến từ văn bản hoàn chỉnh. Bản xem trước 5 phút cho bạn thấy chất lượng trước khi quyết định phiên âm cả tập.

Nhạc nền hoặc nhạc hiệu đầu tập có làm nhiễu bản phiên âm không?

Nhạc giữa các phân đoạn thường bị bỏ qua hoặc không được phiên âm, và một đoạn nhạc hiệu ngắn dưới giọng nói hiếm khi gây vấn đề. Nếu nhạc nền chạy dưới lời nói liên tục, độ chính xác ở đoạn đó có thể giảm. Ghi giọng nói sạch rồi thêm nhạc trong phần mềm dựng sau đó sẽ cho bản phiên âm tốt nhất.

Làm sao thêm bản phiên âm vào podcast của tôi trên Spotify?

Hãy phiên âm âm thanh gốc của tập, xem lại văn bản rồi xuất SRT hoặc VTT có mốc thời gian. Spotify cho biết tệp tải lên phải là VTT hoặc SRT tối đa 5 MB, và tùy vào nơi lưu trữ podcast của bạn, có thể bạn không đồng bộ được bản phiên âm. Hãy tìm tùy chọn này trong Spotify for Creators trên web; nó không có trong ứng dụng di động. Nếu bạn bật bản phiên âm tự tạo của Spotify, chúng sẽ thay thế tệp bạn đã tải lên.

Tôi có thể chuyển podcast Spotify thành văn bản từ liên kết Spotify không?

Không. Hushscript không lấy tập từ các trang Spotify. Hãy dùng file âm thanh gốc từ trình dựng hoặc máy ghi của bạn, hoặc liên kết trực tiếp tới một file âm thanh do bạn lưu trữ. Đó cũng là nguồn tốt hơn, vì nó là bản sạch nhất của chương trình.

Bản phiên âm chính xác đến mức nào với một podcast thu âm rõ ràng?

Với bản thu hai micro sạch, ít người nói chồng lên nhau, văn bản đủ chính xác để đăng sau một lần đọc soát nhanh. Độ chính xác phụ thuộc chủ yếu vào chất lượng thu âm, giọng vùng miền và tần suất khách nói chồng lên nhau, chứ không phụ thuộc vào định dạng file bạn tải lên.

Bắt đầu với 30 phút miễn phí

Xem trước tối đa 5 phút trước khi bạn tạo tài khoản, và tài khoản cá nhân mới được xem trước miễn phí file đầu tiên tải lên trong ứng dụng. Chuyển toàn bộ bản ghi thành văn bản cần có tài khoản và số phút; tài khoản cá nhân đủ điều kiện nhận 30 phút miễn phí một lần, sau khi xác minh thẻ hoặc cùng lần mua đầu tiên. Không subscription.

Bắt đầu với 30 phút miễn phí