Chuyển MP4 sang văn bản

MP4 là cái vỏ chứa, không phải codec

Sự phân biệt này giải thích phần lớn những nhầm lẫn quanh file MP4. MP4 là một cái vỏ chứa các luồng riêng biệt — thường là một luồng hình và một luồng tiếng, đôi khi có cả phụ đề. Việc nén thật sự do các codec bên trong cái vỏ đó đảm nhiệm, phổ biến nhất là H.264 cho phần hình và AAC cho phần tiếng.

Đó là lý do hai file cùng có đuôi .mp4 lại có thể hoạt động hoàn toàn khác nhau trong phần mềm dựng: chúng có thể chứa codec khác nhau. Với việc chuyển thành văn bản thì điều này ít quan trọng hơn, vì chỉ luồng tiếng được đọc, và phần tiếng trong MP4 gần như luôn là AAC — định dạng được hỗ trợ tốt.

Nó cũng giải thích vì sao file MP4 thường lớn. Bạn đang lưu trọn một luồng video bên cạnh phần lời nói mà bạn thật sự cần. Một bản ghi cuộc họp dài một giờ dễ dàng lên tới vài trăm megabyte, mà gần như toàn bộ là phần hình sẽ bị bỏ đi trong quá trình xử lý.

File MP4 của bạn nhiều khả năng đến từ đâu

Điện thoại là nguồn phổ biến nhất. Cả iPhone lẫn Android đều quay video dưới dạng MP4 hoặc MOV, và chất lượng âm thanh phụ thuộc rất nhiều vào khoảng cách từ điện thoại tới người nói. Một chiếc điện thoại dựng ở đầu kia căn phòng thu được căn phòng; một chiếc cầm gần thu được giọng nói.

Phần mềm họp là nguồn phổ biến thứ hai. Bản ghi từ Zoom, Teams và Meet thường là MP4 với một luồng tiếng đã trộn tất cả người tham gia. Những file này cho kết quả tốt, trừ những đoạn nhiều người cùng nói — điều không tránh được một khi các giọng đã bị trộn vào một luồng.

Công cụ ghi màn hình cho kết quả sạch nhất. Chỉ có một người nói qua tai nghe hoặc micro laptop, không có tiếng phòng, không có khoảng cách máy quay. Nếu bạn đang ghi lại thứ gì đó với mục đích chuyển thành văn bản, ghi màn hình là lựa chọn nên dùng.

Làm việc với file lớn

Khung tải lên hiển thị dung lượng tối đa được nhận, và bản ghi cuộc họp dài có thể vượt quá. Có hai cách xử lý, và một cách tốt hơn cách kia.

Cách tốt hơn là hạ chất lượng video trước khi tải lên, bằng bất kỳ công cụ video nào. Hạ bản ghi xuống 720p hoặc thấp hơn thường làm dung lượng giảm mạnh và hoàn toàn không ảnh hưởng tới kết quả, vì phần hình dù sao cũng bị bỏ đi. Đây là trường hợp hiếm hoi mà giảm chất lượng không mất gì cả.

Cách còn lại là chỉ tách phần tiếng ra và tải lên phần đó. Nó cho file nhỏ hơn nhiều với cùng nội dung lời nói. Cách này tốn công hơn và không ảnh hưởng gì tới độ chính xác, nên chủ yếu đáng làm khi đường truyền của bạn chậm.

Cắt một bản ghi rất dài thành nhiều phần cũng được, và có thêm cái lợi là đi qua hàng đợi nhanh hơn, vì file ngắn xử lý xong sớm hơn.