Chuyển audio thành văn bản

Điều gì thật sự quyết định độ chính xác

Yếu tố lớn nhất là khoảng cách giữa người nói và micro. Một chiếc điện thoại đặt trên bàn cách hai mét thu về tiếng vọng của căn phòng nhiều hơn là tiếng nói, và tiếng vọng khó xử lý hơn nhiều so với sự im lặng. Một bản ghi bằng điện thoại cầm gần miệng người nói thường cho kết quả tốt hơn bản ghi bằng micro đắt tiền nhưng đặt sai chỗ.

Yếu tố thứ hai là lời nói chồng lấn. Khi hai người cùng nói, tín hiệu âm thanh chứa cả hai giọng trộn vào nhau và không có cách nào tách chúng ra một cách đáng tin cậy. Trên thực tế, những đoạn mọi người cắt lời nhau là nơi tập trung nhiều lỗi nhất, và đó là chỗ đáng kiểm tra đầu tiên khi bạn rà lại kết quả.

Tiếng ồn nền có ảnh hưởng, nhưng không theo cách nhiều người nghĩ. Tiếng ồn đều — quạt máy, điều hoà, tiếng xe ngoài đường — được xử lý tốt một cách đáng ngạc nhiên vì nó có quy luật. Tiếng ồn đột ngột thì tệ hơn: tiếng đóng cửa, tiếng bát đũa, tiếng kéo ghế. Chúng có thể nuốt trọn một từ, và không cách xử lý nào khôi phục được thứ chưa từng được thu vào.

Vài thói quen ghi âm đáng giá

Nếu bạn có chút quyền kiểm soát cách âm thanh được thu, vài thói quen nhỏ cải thiện kết quả nhiều hơn bất kỳ tuỳ chọn nào trên trang này. Đặt micro gần hơn mức bạn thấy là cần thiết. Ghi trong phòng có rèm, thảm hoặc đồ đạc mềm thay vì phòng họp trống trơn, vì tường cứng tạo ra tiếng vọng đã nói ở trên. Đề nghị mọi người tránh nói chồng lên nhau — điều này tốt cho cả bản ghi lẫn cuộc họp.

Riêng với phỏng vấn, nên bắt đầu bản ghi bằng việc từng người tự xưng tên. Điều đó cho bạn một điểm neo khi đọc lại mà không nhớ ai đang nói, vì bản chuyển đổi không tự phân biệt người nói.

Rà lại kết quả

Danh từ riêng là nơi lỗi tập trung. Tên người, tên công ty, tên sản phẩm và địa danh là những từ mà mô hình khó nhận đúng nhất, vì chúng hiếm và nhiều khi do người ta tự đặt ra. Hãy rà những từ này trước.

Con số cũng đáng xem lại, nhất là số tiền và ngày tháng được nói nhanh. Nếu một con số quan trọng, hãy đối chiếu với bản ghi gốc thay vì tin vào văn bản.

Chế độ xem có mốc thời gian làm cả hai việc này nhanh hơn hẳn: tìm thời điểm, nghe lại đúng đoạn đó trong file gốc, sửa văn bản. Mọi thứ bạn sửa đều nằm trong file bạn tải về.