Chép lời trực tiếp

Công cụ này làm gì

Chép lời trực tiếp biến lời bạn nói thành chữ ngay khi bạn nói. Bấm Bắt đầu, nói vào micro, và mỗi câu sẽ xuất hiện trong bản chép lời ngay sau khi bạn dừng. Nó giống đọc chính tả hay gõ bằng giọng nói, nhưng việc nhận dạng chạy hoàn toàn trong trình duyệt, không cần tài khoản, không có máy chủ và âm thanh không rời khỏi máy tính của bạn.

Mô hình nhận dạng là Moonshine, một mô hình chuyển giọng nói thành văn bản mã nguồn mở của Useful Sensors, được thiết kế để chép lời trực tiếp ngay trên thiết bị. Nó xử lý nhanh các cụm câu ngắn, rất hợp để chép lời từng câu một. Công cụ chạy mô hình bằng Transformers.js và ONNX Runtime Web, dùng WebGPU khi trình duyệt hỗ trợ, nếu không thì dùng WebAssembly.

Công cụ này chỉ hỗ trợ tiếng Anh.

Cách sử dụng

1. Chọn mô hình. Base chính xác hơn; Tiny nhỏ hơn và nhanh hơn trên máy chậm.
2. Bấm Tải mô hình và bắt đầu. Mô hình chỉ tải một lần (khoảng 120 MB với Base, 50 MB với Tiny), sau đó trình duyệt sẽ xin quyền dùng micro. Hãy cho phép.
3. Nói bình thường. Thanh mức âm cho thấy âm lượng đầu vào và chuyển sang màu xanh lá khi phát hiện giọng nói. Khi bạn dừng, cụm câu được gửi đến mô hình và chữ hiện ra thành một dòng mới.
4. Bấm Dừng để giải phóng micro. Bấm Bắt đầu lần nữa để tiếp tục; mốc thời gian sẽ đếm tiếp từ chỗ bạn dừng.
5. Dùng Sao chép hoặc Tải .txt để lưu bản chép lời, hoặc Xóa để làm lại từ đầu. Đặt Thứ tự thành Mới nhất trước để dòng mới nhất luôn ở trên cùng; Sao chép và Tải xuống cũng theo thứ tự đó.

Ví dụ

Khi bật mốc thời gian, một ghi chú ngắn đọc bằng tiếng Anh trông như sau:

[00:00] Let's start with the quarterly numbers.
[00:04] Revenue is up twelve percent compared to last year.
[00:09] Next, I want to talk about hiring.

Tắt mốc thời gian để có các dòng chữ thuần, sẵn sàng dán vào email, tài liệu hoặc ứng dụng ghi chú.

Tinh chỉnh phát hiện giọng nói

Một bộ phát hiện hoạt động giọng nói đơn giản nghe độ lớn của micro và quyết định câu bắt đầu và kết thúc ở đâu. Ba cài đặt điều khiển nó:

• Ngưỡng giọng nói quy định âm thanh phải lớn đến đâu mới được tính là giọng nói. Chọn mức ồn hơn nếu tiếng nền làm thanh mức luôn xanh, hoặc mức nhạy hơn nếu giọng nhỏ bị bỏ sót.
• Khoảng lặng kết thúc dòng là thời gian im lặng cần có trước khi chép lời cụm câu. Khoảng ngắn cho kết quả nhanh hơn, khoảng dài giữ câu liền mạch.
• Dòng dài nhất cắt những đoạn nói rất dài để bản chép lời tiếp tục chạy kể cả khi bạn không dừng.

Các cài đặt này có hiệu lực từ lần bấm Bắt đầu tiếp theo. Lựa chọn mô hình và mốc thời gian được lưu trong địa chỉ trang, nên bạn có thể đánh dấu hoặc chia sẻ thiết lập của mình. Bản chép lời không bao giờ nằm trong liên kết.

Mô hình, giấy phép và giới hạn

Công cụ dùng onnx-community/moonshine-base-ONNX hoặc onnx-community/moonshine-tiny-ONNX, bản chuyển đổi ONNX của các mô hình Moonshine tiếng Anh, phát hành theo giấy phép MIT. Transformers.js dùng giấy phép Apache-2.0. Độ chính xác tốt nhất khi một người nói rõ ràng gần micro; tên riêng, từ hiếm và giọng địa phương nặng có thể bị nghe sai, còn dấu câu là do mô hình đoán. Với tệp âm thanh đã ghi, hãy dùng công cụ chuyển giọng nói thành văn bản.