Dịch video có lời nói thành văn bản

Cách dịch video hoặc dịch ghi âm

Bắt đầu từ bản ghi âm hoặc video cục bộ. Dù cần dịch video ra văn bản hay dịch lời nói trong âm thanh ra văn bản, quy trình vẫn bắt đầu từ lời nói đã ghi. Với video, Hushscript chuẩn bị âm thanh trong trình duyệt và chỉ gửi âm thanh đã chuẩn bị để nhận dạng giọng nói trực tuyến; video gốc vẫn ở trên thiết bị. Bản xem trước công khai phiên âm tối đa 5 phút bằng ngôn ngữ gốc và không có tùy chọn dịch. Ở chế độ thông thường, chọn ngôn ngữ đích cho văn bản trước khi phiên âm toàn bộ. Mỗi bản dịch xuất hiện cạnh bản phiên âm gốc để kiểm tra và xuất. Dịch âm thanh theo cùng quy trình: một bản ghi chỉ có âm thanh cũng nhận bản dịch dạng văn bản cạnh bản phiên âm gốc.

Các ngôn ngữ đích để dịch âm thanh

Chọn trong đúng 13 ngôn ngữ đích trước khi phiên âm toàn bộ: tiếng Anh, Tây Ban Nha, Pháp, Đức, Ý, Bồ Đào Nha, Hà Lan, Hindi, Nhật, Trung, Thái, Thổ Nhĩ Kỳ và Việt. Một bản ghi tiếng Tây Ban Nha có thể tạo bản phiên âm gốc bằng tiếng Tây Ban Nha và bản dịch tiếng Anh dạng văn bản tùy chọn; khi dịch đoạn ghi âm tiếng Anh, kết quả có thể là văn bản tiếng Tây Ban Nha hoặc Hindi, và tiếng Anh sang Hindi đến dưới dạng văn bản, không phải một track giọng nói.

Danh sách ngôn ngữ đích nhỏ hơn và tách biệt với khoảng 99 ngôn ngữ nói mà Hushscript có thể phiên âm. Khi dịch âm thanh tiếng Trung hoặc dịch đoạn ghi âm tiếng Trung, cũng cần phân biệt ngôn ngữ nguồn và đích: ngôn ngữ nguồn được hỗ trợ không tự động trở thành ngôn ngữ đích. Nếu ngôn ngữ cần dịch sang không nằm trong 13 ngôn ngữ trên, Hushscript không thể tạo bản dịch đó. Nếu đang cân nhắc phiên âm hay dịch bằng âm thanh đã ghi, ý nghĩa thực sự của “dịch âm thanh thành văn bản” giải thích sự khác biệt.

	Ngôn ngữ nguồn	Ngôn ngữ đích
Số lượng	Khoảng 99	Đúng 13
Khi nào được chọn	Tự động phát hiện trong bản xem trước; tự động hoặc thủ công trong ứng dụng	Chọn trước khi phiên âm toàn bộ
Kết quả	Bản phiên âm gốc	Một bản phiên âm đã dịch dạng văn bản cho mỗi ngôn ngữ đích

Từ điển đã lưu, thuật ngữ chính và prompt có thể giúp nhận dạng tạo bản phiên âm nguồn tốt hơn, nhưng không phải bảng thuật ngữ dịch. Chúng không buộc bản dịch dùng tên, thuật ngữ chuyên ngành hay cách diễn đạt mong muốn. Kiểm tra từng tab ngôn ngữ đã dịch trước khi xuất.

Dịch video thành văn bản và file phụ đề

Sau khi kiểm tra bản dịch dạng văn bản, xuất theo cùng 21 định dạng như bản phiên âm gốc. Các định dạng phụ đề gồm SRT, VTT, ASS, TTML, SBV và LRC. FCPXML và EDL là định dạng dòng thời gian cho phần mềm biên tập; .husharchive được bảo vệ bằng mật khẩu là gói lưu trữ riêng, không phải định dạng xuất bổ sung.

Hushscript trả về bản phiên âm dạng văn bản và file phụ đề. Công cụ không tổng hợp giọng nói đã dịch, lồng tiếng cho video, thay thế âm thanh, hay dịch từ micro hoặc luồng phát trực tiếp. Nhập file phụ đề đã dịch vào trình phát hoặc phần mềm biên tập tương thích để hiển thị phụ đề cùng video gốc.

Chi phí dịch và giới hạn theo chế độ

Dịch là tùy chọn. Phiên âm cơ bản tính theo thời lượng bản ghi; mỗi ngôn ngữ đích đã chọn cộng 25% thời lượng đó vào số phút tính phí. Một bản ghi 60 phút được dịch sang hai ngôn ngữ dùng 60 phút cơ bản cộng 30 phút dịch, tổng cộng 90 phút. Cách tính này cũng áp dụng khi dịch đoạn ghi âm tiếng Anh sang tiếng Việt và ở mọi độ dài:

Bản ghi	Ngôn ngữ đích	Số phút tính phí
60 phút	2	60 + 30 = 90
12 phút	1	12 + 3 = 15
12 phút	3	12 + 9 = 21

Chỉ phiên âm ngôn ngữ gốc thì không có phụ phí dịch. Dịch chỉ chạy ở chế độ thông thường; chế độ riêng tư không lưu bản phiên âm vào tài khoản và không cho phép dịch. Hushscript mã hóa nội dung bản phiên âm đã dịch khi lưu trữ, xóa bản sao âm thanh dùng để phiên âm sau khi xử lý và không bao giờ huấn luyện mô hình trên bản ghi.

Cập nhật: 14 tháng 10, 2026