Hướng dẫn

Bản chép lời của bạn thiếu chính xác — đây là những gì thật sự khắc phục được

Người ta thường nghĩ ngay đến mô hình lớn hơn. Đó là thay đổi ít hiệu quả nhất, còn chiếc micro bạn đang có mới là thứ hiệu quả nhất.

30 August 2026

Khi một bản chép lời trả về đầy lỗi, phản xạ đầu tiên là đổ lỗi cho công cụ và đi tìm cái tốt hơn. Đôi khi điều đó đúng. Nhưng thường thì vấn đề nằm ở phía trước đó, và cách khắc phục thì miễn phí.

Đây là những gì thật sự làm thay đổi độ chính xác, xếp theo mức tác động.

1. Khoảng cách tới micro (lớn hơn hẳn phần còn lại) #

Nhận dạng giọng nói suy giảm theo tỉ lệ giữa tiếng nói và mọi thứ khác. Khoảng cách phá hủy tỉ lệ đó nhanh hơn bất cứ yếu tố nào: áp suất âm giảm theo khoảng cách trong khi tiếng ồn của căn phòng vẫn giữ nguyên, nên mỗi bước lùi ra xa lại làm tiếng nói nhỏ đi so với tiếng máy lạnh, tiếng xe cộ và tiếng máy pha cà phê.

Một chiếc điện thoại cách miệng người nói khoảng 45 cm cho ra bản chép lời tốt hơn hẳn so với chính chiếc điện thoại đó đặt cách gần hai mét, dù dùng cùng ứng dụng và cùng mô hình. Đây không phải tác động nhỏ — đó là khác biệt giữa một bản chép lời bạn sửa trong năm phút và một bản bạn phải gõ lại.

Nếu bạn chỉ đổi được đúng một thứ, hãy đổi thứ này.

2. Chỗ đặt thiết bị ghi #

Liên quan nhưng khác biệt, và đây là chỗ các bản ghi cuộc họp hay hỏng.

Một thiết bị đặt giữa bàn thì cách đều mọi người, nghĩa là nó ở xa tất cả mọi người và ở gần mặt bàn — thứ dẫn thẳng mọi tiếng gõ, tiếng xê dịch và tiếng tách cà phê vào micro. Tốt hơn: nâng thiết bị ghi lên khỏi mặt bàn, và hướng nó về phía người nói nhiều nhất.

Với một buổi giảng hay thuyết trình, nếu phòng có hệ thống âm thanh hoặc bản ghi chính thức thì nguồn đó tốt hơn bất cứ thứ gì bạn thu được từ chỗ ngồi.

3. Đặt ngôn ngữ một cách rõ ràng #

Việc tự động nhận diện ngôn ngữ lấy mẫu ở phần đầu tệp. Nếu ba mươi giây đầu là tiếng ồn phòng, nhạc, hay ai đó nói một thứ tiếng khác với phần còn lại của bản ghi, việc nhận diện có thể chốt nhầm ngôn ngữ và giữ nguyên cái sai đó cho toàn bộ tệp.

Triệu chứng rất dễ nhận ra mà cũng rất khó hiểu: một bản chép lời bằng thứ tiếng không ai nói, hoặc từng đoạn như vậy. Nếu bạn biết ngôn ngữ, hãy đặt nó thay vì để công cụ đoán. Trong Offline Transcription, bạn có thể giữ nút Chép lời của một tệp và chọn ngôn ngữ cho nó, điều này quan trọng nhất khi bạn có nhiều bản ghi bằng các thứ tiếng khác nhau.

4. Đừng ghi ở mức nén quá cao #

Dưới khoảng 64 kbps, việc nén có mất dữ liệu sẽ loại bỏ chi tiết tần số cao giúp phân biệt các phụ âm giống nhau — khác biệt giữa "mười lăm" và "năm mươi" nằm ở đó. Không công cụ chép lời nào lấy lại được thông tin mà bộ mã hóa đã vứt đi.

Hãy ghi ở dạng không nén hoặc ở bitrate thông thường. Nếu bạn được đưa cho một tệp bitrate thấp, đó chính là trần độ chính xác của bạn và không thiết lập nào thay đổi được.

5. Cắt bỏ những đoạn im lặng #

Những khoảng dài không có tiếng nói không hề vô hại. Whisper sinh ra văn bản cho bất cứ thứ gì được đưa vào, và khi gặp im lặng nó tự lặp lại, đôi khi dài hàng trang.

Phát hiện hoạt động giọng nói giải quyết chuyện này một cách triệt để, bằng cách không bao giờ đưa phần im lặng cho mô hình. Nếu không có nó, hãy cắt bớt bản ghi trước khi chép lời.

6. Rồi mới, có lẽ, đến mô hình lớn hơn #

Mục này đứng cuối danh sách là có lý do.

Kích thước mô hình đúng là cải thiện độ chính xác, và mức cải thiện là có thật nhưng nhỏ hơn người ta tưởng — trong khi nó tốn rất nhiều thời gian và dung lượng ổ đĩa. Quan trọng hơn, một mô hình lớn hơn không khắc phục được bất kỳ vấn đề nào ở trên. Nó sẽ chép lời một bản ghi xa, ồn, nén quá mức tốt hơn một chút, và vẫn tệ.

Cách nói thẳng thắn: kích thước mô hình là một hệ số nhân lên chất lượng âm thanh của bạn. Nhân lên từ âm thanh kém thì bạn được kết quả kém bớt đi một chút. Hướng dẫn của chúng tôi về cách chọn mô hình nói về sự đánh đổi này.

Những thứ hoàn toàn không giúp gì #

Chạy lại cùng một tệp. Việc lấy mẫu không hoàn toàn tất định, nên bạn có thể nhận được những lỗi hơi khác. Đó là biến thiên, không phải cải thiện.

Tăng âm lượng. Khuếch đại một bản ghi nhỏ tiếng cũng khuếch đại tiếng ồn phòng y hệt. Tỉ lệ — thứ thật sự quan trọng — không thay đổi.

Khử ồn, thường là vậy. Khử ồn mạnh tay tạo ra tạp hình làm mô hình bối rối chẳng kém gì tiếng ồn. Lọc thông cao nhẹ nhàng để bỏ tiếng ầm có thể giúp một chút. Xử lý nặng tay thường gây hại.

Trả nhiều tiền hơn cho mỗi phút. Các dịch vụ đám mây chạy cùng một họ mô hình. Giá không phải là độ chính xác.

Thế nào là tốt #

Ngay cả khi mọi thứ đều đúng, chép lời tự động vẫn không hoàn hảo và không công cụ nào làm cho nó hoàn hảo. Hãy chuẩn bị tinh thần là những thứ sau vẫn sai ở một tỉ lệ nào đó: danh từ riêng lạ, thuật ngữ chuyên ngành, con số nói nhanh, và những lúc hai người nói chồng lên nhau.

Đó là lý do quy trình làm việc quan trọng ngang với độ chính xác: hãy dùng chế độ xem theo đoạn có dấu thời gian để bạn nghe lại được âm thanh phía sau bất kỳ dòng nào mình còn nghi ngờ, và kiểm tra những phần bạn định dựa vào. Hướng dẫn phỏng vấn của chúng tôi có một cách nhanh để làm việc đó.

Tóm lại #

Đưa micro lại gần hơn. Nhấc thiết bị ghi khỏi mặt bàn và hướng nó về phía người nói. Đặt ngôn ngữ rõ ràng thay vì tin vào việc tự nhận diện. Đừng ghi ở bitrate thấp. Cắt bớt hoặc phát hiện im lặng. Chỉ sau đó mới nghĩ đến kích thước mô hình, đòn bẩy nhỏ nhất trong sáu thứ.