Hướng dẫn

M4A, MP3, WAV, MOV: lấy văn bản ra từ bất cứ thứ gì bạn đã ghi

Định dạng mà bản ghi của bạn tình cờ mang không nên quyết định việc bạn có chép lời được hay không. Phần lớn thì đúng là không — nhưng vẫn có vài cái bẫy có thật.

30 August 2026

Tìm "m4a to text" và bạn sẽ thấy cả trăm trang web muốn bạn tải tệp lên. Bạn gần như không bao giờ cần đến chúng: định dạng hiếm khi là trở ngại thật sự, và ở những chỗ nó đúng là trở ngại thì cách khắc phục không nằm ở một trang web chuyển đổi.

Đây là ý nghĩa thật sự của từng định dạng mà bạn có khả năng đang cầm trong tay.

Câu trả lời ngắn #

Với việc chép lời, một công cụ tốt sẽ chuyển bất cứ thứ gì bạn đưa vào thành cùng một dạng ở bên trong — âm thanh mono 16 kHz — rồi làm việc từ đó. Vỏ chứa chỉ là chi tiết. Điều thật sự quan trọng là:

1. Bên trong có tồn tại một luồng âm thanh nào không?
2. Nó có bị nén mạnh đến mức mất hết chi tiết tiếng nói không?
3. Công cụ có mở được đúng vỏ chứa đó không?

Chỉ câu hỏi thứ ba phụ thuộc vào phần mở rộng tệp, và cũng chỉ với vài trường hợp trái khoáy.

Các định dạng #

M4A — Đây là dạng của một Voice Memo trên iPhone. Âm thanh AAC trong vỏ chứa MP4. Có nén, nhưng ở mức bitrate mà điện thoại dùng thì chất lượng tốt và việc chép lời không bị ảnh hưởng. Đây là loại tệp phổ biến nhất mà mọi người muốn chép lời, và nó hoàn toàn không phải vấn đề.

MP3 — Định dạng phổ thông. Câu chuyện tương tự: có mất dữ liệu, nhưng trong thực tế thì ổn. MP3 bitrate rất thấp (từ 64 kbps trở xuống, thường gặp trong kho podcast cũ và bản ghi tổng đài) có làm giảm độ chính xác một cách đo được, vì việc nén loại bỏ những tần số cao giúp phân biệt các phụ âm giống nhau. Không gì lấy lại được phần đó.

WAV — Không nén. Trường hợp tốt nhất về độ chính xác và tệ nhất về dung lượng: hai tiếng là vài trăm megabyte, đó là lý do các dịch vụ dựa trên tải lên thường nghẹn ở đúng tệp WAV. Chép lời ngay trên máy thì không bận tâm.

AAC — Bộ mã hóa nằm bên trong hầu hết tệp M4A, đôi khi xuất hiện dưới dạng .aac trần. Tính chất giống M4A.

CAF — Core Audio Format của Apple. Xuất hiện từ các công cụ ghi âm trên macOS và iOS. Ít gặp ở nơi khác, và mọi thứ xây trên khung âm thanh của Apple đều xử lý tốt.

OGG / Opus — Phía web và Android của thế giới. Tin nhắn thoại WhatsApp là Opus. Bộ mã hóa xuất sắc cho tiếng nói ở bitrate thấp, thật sự tốt hơn MP3 ở cùng dung lượng. Một số công cụ thuần Apple không mở được nó nếu không có bước giải mã, đó là hạn chế của công cụ chứ không phải của chất lượng.

MOV và MP4 — Video. Việc chép lời chỉ cần luồng âm thanh, và luồng đó được tách ra trước. Gần như mọi bản ghi màn hình, video điện thoại và tệp máy quay đều thuộc một trong hai loại này.

Những cái bẫy có thật #

Tệp video không có luồng âm thanh #

Hiển nhiên khi đã biết, vô hình cho tới lúc đó. Một số bản ghi màn hình được quay mà không có âm thanh, và một số máy quay ghi âm thanh ra tệp riêng. Công cụ chép lời không làm gì được với một video câm, và một công cụ tốt nên nói rõ điều đó thay vì trả về bản chép lời rỗng.

Tệp MOV đời cũ #

Không phải tệp .mov nào cũng giống nhau. Các tệp QuickTime cũ có thể chứa một luồng MPEG ghép chung duy nhất, không có luồng âm thanh riêng để các khung hiện đại truy cập. Chính công cụ của Apple sẽ báo là không có luồng âm thanh nào. Nếu một tệp .mov cũ cụ thể nào đó thất bại ở mọi nơi trong khi các tệp hiện đại vẫn chạy, đây thường là lý do. Xuất lại nó từ QuickTime Player là cách khắc phục thực tế.

Bất cứ thứ gì có bitrate rất thấp #

Dưới khoảng 64 kbps cho tiếng nói, bạn sẽ mất độ chính xác dù chép lời bằng công cụ nào. Nếu bạn có quyền chọn lúc ghi âm, đây là thiết lập đáng quan tâm — quan trọng hơn nhiều so với việc sau đó bạn dùng ứng dụng gì.

Tệp không đúng như phần mở rộng của nó #

Đổi tên recording.aiff thành recording.mp3 không chuyển đổi được gì, và những công cụ tin vào phần mở rộng sẽ thất bại một cách khó hiểu. Nếu một tệp cư xử lạ, hãy kiểm tra xem nó thật sự là gì (file recording.mp3 trong Terminal sẽ cho bạn biết).

Bạn có cần chuyển đổi trước không? #

Thường là không, và việc chuyển đổi có thể khiến bạn mất mát.

Mỗi lần chuyển đổi giữa các định dạng có mất dữ liệu — chẳng hạn MP3 sang M4A — đều giải mã rồi mã hóa lại, mất thêm một chút chi tiết mỗi lần. Nếu mục tiêu của bạn là chép lời chính xác, đưa thẳng tệp gốc cho một công cụ đọc được nó luôn tốt hơn hẳn việc chuyển đổi trước.

Ngoại lệ là định dạng mà công cụ của bạn thật sự không mở được. Khi đó hãy chuyển đổi một lần, từ bản gốc, sang WAV thay vì sang một định dạng có mất dữ liệu khác.

Chúng tôi hỗ trợ những gì #

Offline Transcription đọc MP3, WAV, M4A, AAC, CAF và OGG cho âm thanh, cùng MOV và MP4 cho video, trên cả Mac lẫn iPhone. Mọi thứ đều được chuyển đổi bên trong sang dạng mono 16 kHz mà mô hình cần, nên bạn chỉ thả tệp gốc vào và không cần làm gì thêm.

Những tệp không được hỗ trợ hoặc không giải mã được sẽ được liệt kê kèm lý do rõ ràng thay vì thất bại lặng lẽ — bao gồm cả trường hợp .mov đời cũ ở trên, thứ mà chúng tôi giữ lại làm mẫu kiểm thử chính vì nó là cái thất bại ở mọi nơi.

Tóm lại #

Định dạng gần như không bao giờ là vấn đề. Nén xuống dưới khoảng 64 kbps là vấn đề thật, tệp video không có luồng âm thanh là vấn đề thật, và tệp MOV đời cũ thỉnh thoảng là vấn đề thật. Mọi thứ còn lại — M4A, MP3, WAV, AAC, CAF, OGG, MP4 — đều chép lời được trực tiếp, và chuyển đổi trước thường làm mọi chuyện tệ đi một chút chứ không tốt lên.