Hướng dẫn

Cách chép lời một bản ghi dài hai tiếng

Tệp dài hỏng theo những cách mà tệp ngắn không bao giờ gặp — giá tính theo phút, giới hạn tải lên, bộ nhớ, và bản chép lời tan thành văn bản lặp khi mới đi được nửa đường.

30 August 2026

Một đoạn ghi âm mười phút thì gần như công cụ nào cũng chép lời ổn. Một cuộc họp hội đồng dài hai tiếng lại là bài toán khác, và phần lớn công cụ xử lý nó kém theo một trong bốn cách rất cụ thể.

Nếu bạn có một bản ghi dài và đang cố hiểu vì sao mọi chuyện không suôn sẻ, đây là tấm bản đồ.

Bốn thứ hay hỏng #

1. Giá, nếu bạn trả tiền theo phút #

Chép lời trên đám mây thường được bán theo phút âm thanh. Ở mức giá thông thường, một bản ghi hai tiếng tốn vài đô — ổn nếu chỉ một lần, nhức nhối nếu thành thói quen. Nếu bạn ghi một cuộc họp hai tiếng mỗi tuần, bạn đang nhìn vào một khoản thuê bao đủ để bạn để ý, cho một việc mà chiếc laptop của bạn làm được trong lúc bạn đi pha cà phê.

Đây là thứ dễ giải quyết nhất trong bốn thứ: chép lời ngay trên máy không có đồng hồ tính theo phút, vì chẳng có đồng hồ nào cả.

2. Thời gian tải lên và giới hạn tệp #

Một tệp WAV hai tiếng có thể nặng vài trăm megabyte. Tải nó lên qua Wi-Fi khách sạn mất nhiều thời gian hơn cả cuộc họp, và nhiều dịch vụ giới hạn dung lượng hay thời lượng tệp rồi thẳng thừng từ chối.

Cách chữa cháy mà người ta hay dùng là nén hoặc cắt nhỏ tệp trước khi tải lên, việc này đánh đổi chất lượng và tạo ra đúng những vấn đề ranh giới ở điểm thứ tư.

3. Bộ nhớ, trên chính máy của bạn #

Nếu bạn chép lời ngay trên máy, công cụ phải giữ phần âm thanh trong bộ nhớ dưới dạng mẫu thô. Hai tiếng ở 16 kHz là khoảng 470 MB mẫu số thực, và Whisper còn dựng thêm một phổ đồ có kích thước tương đương lên trên đó.

Trên một chiếc Mac có 16 GB RAM thì chẳng ai để ý. Trên iPhone, một ứng dụng nạp cả tệp một cách ngây thơ sẽ bị hệ thống tắt giữa chừng — đó là lý do một số ứng dụng chép lời trên di động lặng lẽ giới hạn độ dài tệp, hoặc sập khi gặp bản ghi dài mà không giải thích vì sao.

Cách khắc phục là chép lời theo cửa sổ: giải mã một lát, chép lời lát đó, giải phóng nó, rồi đi tiếp. Bộ nhớ đỉnh khi ấy phụ thuộc vào kích thước cửa sổ chứ không phải độ dài tệp, và một bản ghi hai tiếng tốn xấp xỉ bằng một bản mười lăm phút.

4. Bản chép lời rã ra ở khúc giữa #

Đây là điều làm mọi người bất ngờ, vì mười phút đầu trông hoàn hảo.

Bản ghi dài chứa những khoảng im lặng — trước khi cuộc họp bắt đầu, trong giờ giải lao, sau khi mọi người ra về. Whisper sinh ra văn bản cho bất cứ thứ gì được đưa vào, và khi được đưa cho sự im lặng thì nó tự lặp lại, đôi khi dài hàng trang. Chúng tôi đã viết chi tiết về nguyên nhân, vì đây là lời phàn nàn phổ biến nhất về chép lời tự động.

Với một tệp hai tiếng, đây không phải vấn đề hình thức. Nó có thể biến một phần tư cuối bản chép lời của bạn thành rác.

Để có một lượt chạy sạch #

Ghi tệp sao cho chép lời được #

Mọi thứ về sau đều được quyết định ở đây, và trước một buổi ghi dài thì đáng bỏ ra ba mươi giây để nghĩ:

• Đưa micro lại gần người nói hơn là gần máy lạnh. Chiếc điện thoại đặt giữa bàn họp là sai lầm kinh điển — nó cách đều mọi người, nghĩa là nó ở xa tất cả mọi người.
• Ghi ở dạng không nén nếu có thể. WAV hoặc M4A ở bitrate thông thường. Nén mạnh loại bỏ đúng những chi tiết tần số cao giúp phân biệt các phụ âm giống nhau.
• Dừng thiết bị ghi khi cuộc họp kết thúc. Hai mươi phút tiếng dọn đồ chính là nguyên liệu cho vấn đề lặp lại.

Đặt ngôn ngữ một cách rõ ràng #

Việc tự nhận diện lấy mẫu ở phần đầu tệp. Nếu bản ghi của bạn mở đầu bằng ba mươi giây tiếng ồn phòng, hoặc bằng một người nói thứ tiếng khác với phần còn lại của cuộc họp, việc nhận diện có thể chọn sai và giữ nguyên cái sai đó suốt hai tiếng.

Nếu bạn biết ngôn ngữ, hãy đặt nó. Trong Offline Transcription, bạn có thể giữ nút Chép lời trên một tệp và chọn ngôn ngữ cho nó trực tiếp, điều này quan trọng nhất khi bạn chép lời một loạt bản ghi bằng nhiều thứ tiếng khác nhau.

Bắt đầu rồi đi làm việc khác #

Một tệp hai tiếng trên một chiếc Mac Apple Silicon hiện đại mất vài phút chứ không phải vài giờ — bộ máy chạy trên thiết bị nhanh hơn thời gian thực nhiều lần. Trên một chiếc Mac Intel đời cũ thì chậm hơn, và nên bắt đầu trước giờ ăn trưa thay vì ngồi nhìn.

Thứ bạn cần ở ứng dụng trong lúc nó chạy là sự thành thật: một tỉ lệ phần trăm và thời gian còn lại, để bạn biết nó đang chạy hay đang mắc kẹt. Một vòng xoay không có tiến độ trên tệp hai tiếng thì không phân biệt được với việc treo.

Kiểm tra ở các ranh giới, không phải toàn bộ #

Bạn sẽ không soát lỗi hai tiếng văn bản. Bạn cũng không cần làm vậy.

Lỗi trong một bản chép lời dài dồn về những chỗ đoán được: tên riêng và từ viết tắt, phút đầu tiên (khi mô hình chưa có ngữ cảnh), những lúc mọi người nói chồng lên nhau, và bất cứ điểm nào bản ghi đổi tính chất — có người tham gia qua loa ngoài, cả phòng di chuyển, một video được phát.

Chế độ xem theo đoạn có dấu thời gian giúp việc này nhanh: lướt tìm những khoảnh khắc đó, và phát phần âm thanh phía sau bất kỳ dòng nào trông có vẻ sai, thay vì rà một dạng sóng dài hai tiếng để tìm nó.

Nếu bạn có cả chồng bản ghi dài #

Cơ chế của từng tệp ít quan trọng hơn hàng đợi. Hãy thả tất cả vào, để chúng chạy lần lượt, rồi quay lại sau — khi làm ngay trên máy thì không có lý do gì phải làm từng cái một, vì không có việc tải lên và không có chi phí theo tệp.

Thứ duy nhất đáng làm cho từng tệp là đặt ngôn ngữ, nếu chúng khác nhau.

Tóm lại #

Bản ghi dài hỏng vì giá, giới hạn tải lên, bộ nhớ, và sự lặp lại do im lặng gây ra. Chép lời ngay trên máy loại bỏ hoàn toàn hai thứ đầu. Với hai thứ còn lại, bạn cần một công cụ chép lời theo cửa sổ thay vì nạp cả tệp, và có chạy phát hiện hoạt động giọng nói để những khoảng lặng không bao giờ đến được mô hình. Rồi hãy kiểm tra bản chép lời ở các ranh giới thay vì đọc hết cả hai tiếng.

Offline Transcription xử lý riêng trường hợp hai tiếng: chép lời theo cửa sổ để bộ nhớ giữ mức phẳng, phát hiện giọng nói để im lặng không biến thành văn bản lặp, và tiến độ trực tiếp kèm thời gian còn lại để bạn biết mình đang ở đâu. Ứng dụng miễn phí để tải về và dùng thử, trên Mac và iPhone.