Chuyển WAV thành văn bản, kèm lời giải thích về dung lượng
Chuyển WAV thành văn bản thẳng từ tệp .wav, không cần đổi định dạng trước. WAV không nén, và đó là lý do nó là định dạng âm thanh duy nhất mà thứ chặn bạn thường là dung lượng chứ không phải thời lượng — trang này cho bạn biết ranh giới ấy nằm ở đâu trước khi bạn bắt đầu tải lên.
Thả tệp WAV của bạn vào đây
WAV, MP3, M4A, FLAC, OGG, WebM
Tệp .wav đến từ đâu và vì sao định dạng này vẫn sống
WAV là thứ bạn nhận được khi một thiết bị quyết định không quyết định thay bạn. Trình ghi âm của Windows, Audacity, máy ghi âm cầm tay, thiết bị phòng họp và gần như mọi giao diện âm thanh chuyên nghiệp đều ghi WAV theo mặc định, bởi nó lưu đúng những gì micro đã nghe mà không vứt bỏ thứ gì.
Định dạng này có từ năm 1991 và đã sống lâu hơn gần như mọi thứ ra đời cùng thời. Không bằng sáng chế, không giấy phép, không có biến thể nào để chọn nhầm: bất kỳ phần mềm âm thanh nào từng được viết ra đều mở được tệp .wav. Chính độ tin cậy đó khiến các phòng thu và kho lưu trữ đến giờ vẫn lấy nó làm chuẩn.
Điều đó cũng có nghĩa tệp WAV rất lớn. Âm thanh không nén ở chất lượng CD chiếm khoảng 10 MB mỗi phút, tức gấp chừng mười lần một tệp MP3 tương đương, và riêng sự thật này chi phối gần như toàn bộ phần còn lại của trang.
Không có gì bị vứt bỏ
WAV lưu các mẫu PCM thô. Không có mô hình tâm lý âm học nào quyết định phần âm thanh nào bạn sẽ không nhớ tới, vì đơn giản là chẳng có bước nén nào diễn ra.
Dung lượng gấp mười
Khoảng 10 MB mỗi phút ở chất lượng CD. Một cuộc phỏng vấn dài một tiếng rơi vào tầm 620 MB — con số bắt đầu có ý nghĩa khi bạn tải nó lên.
Đọc được ở mọi nơi
Không codec phải cài, không giấy phép, không biến thể. Đó là lý do máy ghi âm và hệ thống lưu trữ ba thập kỷ sau vẫn để nó làm mặc định.
Dung lượng đến trước thời lượng
Với mọi định dạng âm thanh khác, giới hạn thời lượng chạm trước. Với WAV, dung lượng tệp mới là thứ chạm trước — và bảng bên dưới sinh ra vì điều đó.
Chuyển WAV thành văn bản thực chất gồm những gì
Chuyển WAV thành văn bản nghĩa là chạy nhận dạng giọng nói trực tiếp trên phần âm thanh PCM không nén trong tệp. Không có gì được chuyển đổi trước: bộ nhận dạng đọc các mẫu đúng như chúng vốn có, rồi trả lại lời nói dưới dạng văn bản kèm mốc thời gian.
Có bốn điều về việc chuyển WAV thành văn bản đáng biết trước lần tải lên đầu tiên, và một trong số đó trái với điều gần như ai cũng mặc định.
- Không cần đổi định dạng Bạn không phải biến .wav thành MP3 trước. Chuyển sang định dạng có mất mát trước khi bóc băng chỉ có thể lấy đi thông tin mà bộ nhận dạng lẽ ra đã dùng được.
- Không mất mát giúp ít hơn bạn nghĩ Khoảng cách giữa một tệp MP3 128 kbps và một tệp WAV không nén của cùng bản ghi là rất nhỏ. Khoảng cách micro và tạp âm nền mới là thứ đẩy độ chính xác lên xuống, và ảnh hưởng của chúng lớn hơn định dạng tệp rất nhiều.
- Nhận dạng dù sao cũng chạy ở 16 kHz Mô hình giọng nói làm việc bên trong ở khoảng 16 kHz đơn kênh. Một bản master 96 kHz 24 bit vẫn bị hạ tần số lấy mẫu trước khi có bất cứ thứ gì được nhận dạng, nên dữ liệu thừa chỉ làm chậm việc tải lên.
- Mốc thời gian đến từ âm thanh Mỗi dòng mang theo thời điểm nó được nói ra. Đó là điều cho phép xuất bản bóc băng từ WAV thành SRT, hữu ích về sau nếu phần âm thanh được ghép với video.
Chuyển WAV thành văn bản qua bốn bước
Mọi thứ chạy trong trình duyệt. Không phải cài gì và không có bước chuyển đổi nào trước khi bắt đầu.
Tải .wav lên nguyên trạng
Kéo tệp vào thẳng. Nó đi từ trình duyệt tới nơi lưu trữ, và điều này quan trọng ở đây hơn các định dạng khác: tệp WAV đủ lớn để bất kỳ giới hạn dung lượng trung gian nào cũng sẽ chặn phần lớn chúng.
Âm thanh được đọc trực tiếp
Các mẫu PCM đi tới bộ nhận dạng mà không qua bước mã hóa trung gian. Trên đường đi không có gì bị cắt bớt, suy giảm hay nén lại.
Nhận dạng giọng nói chạy
Ngôn ngữ đang nói được nhận diện trong hơn 100 ngôn ngữ, và bản văn bản trả về đã chia thành các đoạn có mốc thời gian để bạn đọc và sửa.
Xuất thứ bạn cần
Văn bản thuần cho tài liệu và ghi chú, hoặc SRT và VTT nếu bản ghi sau này sẽ đi kèm một video.
Một tệp WAV mười phút thường trả về trong chưa đầy một phút. Với phần lớn tệp, việc tải lên còn lâu hơn cả việc bóc băng, đơn giản vì có nhiều megabyte hơn để di chuyển.
Những bản ghi đến dưới dạng .wav
Chúng có chung một điểm: thiết bị đã chọn định dạng, và nó chọn độ trung thực thay vì sự tiện lợi.
Máy ghi âm cầm tay
Nhà báo và nhà nghiên cứu ghi ra WAV vì đó là định dạng mà thiết bị tin cậy. Một cuộc phỏng vấn một tiếng đến tay ở tầm 600 MB.
Dự án Audacity
Xuất ra WAV theo mặc định. Thường đã được xử lý làm sạch, nên thuộc nhóm tệp cho kết quả bóc băng tốt hơn cả.
Hệ thống phòng họp
Thiết bị âm thanh lắp cố định ghi không nén. Chất lượng tiếng thường rất tốt: micro trần đến giờ vẫn thắng một chiếc điện thoại đặt ở đầu bàn bên kia.
Đọc chính tả pháp lý và y tế
Không nén thường là yêu cầu bắt buộc theo quy định, bởi nén là một dạng làm thay đổi. Kỳ vọng về độ chính xác ở đây cũng cao nhất.
Bản master podcast
Bản dựng giữ ở WAV, còn MP3 chỉ tạo ra để phát hành. Bóc băng từ bản master là bạn bỏ qua được một thế hệ mất mát.
Lưu trữ và lịch sử truyền miệng
Các bộ sưu tập chuẩn hóa theo WAV để bảo quản. Và thứ cuối cùng khiến hàng chục năm băng từ có thể tìm kiếm được chính là văn bản.
Phỏng vấn 30 phút Khoảng 310 MB ở chất lượng CD. Tải lên và bóc băng không vấn đề gì; tốn 15.000 tín dụng.
Bài giảng 90 phút Khoảng 930 MB — đủ sát trần 1 GB để việc chuyển sang FLAC trước là đáng làm.
Bản ghi 2 tiếng Khoảng 1,2 GB, tức là vượt giới hạn. Chuyển sang FLAC hoặc đơn kênh thì cùng phần âm thanh ấy lọt vào thoải mái.
Ghi âm nhanh 5 phút Khoảng 52 MB. Nằm gọn trong gói miễn phí, vốn tương đương chừng chín phút rưỡi âm thanh không nén.
Cái gì vào và cái gì ra
WAV và các định dạng âm thanh khác
MP3, M4A, FLAC, OGG và WebM đều hoạt động như nhau. Cái đáng biết là FLAC: không mất mát như WAV, mà dung lượng chỉ khoảng một nửa.
TXT để đọc
Văn bản thuần, có hoặc không có mã thời gian. Phần lớn bản bóc băng từ WAV rốt cuộc thành thứ này: ghi chú, trích dẫn, biên bản tìm kiếm được.
SRT và VTT
Tệp có canh thời gian, hữu ích cả với bản ghi chỉ có tiếng nếu tư liệu sau này sẽ ghép với video hoặc phát hành kèm trình phát.
Hơn 100 ngôn ngữ
Nhận diện tự động. Bản ghi đổi ngôn ngữ giữa chừng vẫn được chép theo đúng ngôn ngữ của từng đoạn.
Không có gì được ghi ngược trở lại tệp WAV của bạn — bản bóc băng là một tài liệu riêng, còn bản ghi gốc vẫn nguyên vẹn.
Điều gì thực sự quyết định chất lượng bản bóc băng từ WAV
Có một giả định rất phổ biến rằng âm thanh không nén sẽ cho kết quả chính xác hơn thấy rõ, và nó định hình cách người ta tiếp cận việc chuyển WAV thành văn bản. Điều đó không đúng, và biết vì sao sẽ giúp bạn khỏi tối ưu nhầm chỗ.
- Không mất mát không phải đòn bẩy Một tệp MP3 128 kbps và một tệp WAV không nén của cùng bản ghi cho kết quả gần như y hệt. Nén loại bỏ những tần số cao hơn dải mà tiếng nói chiếm giữ; bộ nhận dạng vốn không dùng tới chúng.
- Khoảng cách micro mới là Một máy ghi âm cách hai mét sẽ thu cả căn phòng cùng với giọng nói, và không độ sâu bit nào lấy lại được thứ mà căn phòng đã làm nhòe. Riêng yếu tố này nặng hơn toàn bộ chuyện định dạng.
- Tần số lấy mẫu gần như không đáng kể Nhận dạng chạy ở khoảng 16 kHz. Mọi thứ cao hơn đều bị bỏ trước khi mô hình nhìn thấy, nên 96 kHz chẳng hơn gì 44,1 kHz.
- Méo do quá tải không thể hoàn tác Nếu mức thu quá cao và dạng sóng bị cắt phẳng ở đỉnh thì những từ đó đã mất. Không nén chỉ có nghĩa là phần méo ấy được giữ lại một cách trung thực.
- Nhạc nền vẫn gây hại Nhạc chạy dưới lời nói làm nhiễu nhận dạng nhiều hơn một tạp âm đều đều. Hãy bỏ nó trước khi bóc băng: chuyện tệp có không mất mát hay không, ở đây chẳng tạo ra khác biệt nào.
Một tệp WAV dài được bao nhiêu trước khi giới hạn dung lượng chặn lại
Đây là chỗ duy nhất mà việc chuyển WAV thành văn bản hành xử khác mọi định dạng âm thanh khác. Gói trả phí cho phép 120 phút hoặc 1 GB mỗi tệp — và vì âm thanh không nén quá lớn, WAV là định dạng duy nhất mà gigabyte cạn trước. Khoảng 99 phút, không phải 120. Các con số áp dụng cho stereo trừ khi ghi chú khác.
| Định dạng và chất lượng | Bitrate | Mỗi phút | 1 GB được khoảng | Nên làm gì |
|---|---|---|---|---|
| WAV 44,1 kHz 16 bit (CD) | 1.411 kbps | 10,3 MB | ~99 phút | Dưới 90 phút thì yên tâm |
| WAV 48 kHz 24 bit (phòng thu) | 2.304 kbps | 16,9 MB | ~60 phút | Phải chuyển trước khi tải |
| WAV 44,1 kHz 16 bit đơn kênh | 706 kbps | 5,2 MB | ~198 phút | Quá đủ cho tiếng nói |
| WAV 16 kHz 16 bit đơn kênh | 256 kbps | 1,9 MB | ~9 giờ | Chuẩn mà nhận dạng thực dùng |
| FLAC (nén không mất mát) | ~700 kbps | ~5 MB | ~200 phút | Được cả hai |
| MP3 128 kbps | 128 kbps | 0,9 MB | ~18 giờ | Có mất mát nhưng dư dả |
Điều rút ra trên thực tế: nếu tệp WAV của bạn vượt quá chừng 90 phút, hãy chuyển sang FLAC trước khi tải lên. FLAC không mất mát — các mẫu trả về giống hệt từng bit — nhưng lưu chúng trong khoảng một nửa dung lượng, đủ để đẩy trần từ 99 phút lên hơn ba tiếng. Chuyển sang đơn kênh lại chia đôi lần nữa và chẳng tốn gì với tiếng nói, vì nhận dạng dù sao cũng gộp các kênh lại. Thứ không đáng làm là chuyển sang MP3 cho chắc: nó vừa thật đấy, nhưng bạn đang vứt bỏ dữ liệu vì một giới hạn mà bạn đã vượt qua rồi.
Văn bản mở ra những gì
Mọi thứ bên dưới đều dùng chung số dư tín dụng với lần bóc băng của bạn — không cái nào cần một gói đăng ký thứ hai.
Văn bản thành giọng nói
Biến bản văn bản đã biên tập thành lời dẫn với một giọng khác.
Mở công cụ chuyển WAV thành văn bảnNhân bản giọng nói
Đọc bằng chính giọng bạn, huấn luyện từ một mẫu ngắn.
Mở công cụ chuyển WAV thành văn bảnTách giọng nói
Khử tiếng phòng và nhạc nền — chạy trước khi bóc băng, không phải sau.
Mở công cụ chuyển WAV thành văn bảnTạo podcast bằng AI
Biến một bản văn bản dài thành tập có nhiều người nói.
Mở công cụ chuyển WAV thành văn bảnThắc mắc về bóc băng WAV
Chuyển tệp WAV đầu tiên của bạn thành văn bản miễn phí
Tài khoản mới có khoảng mười phút bóc băng — với âm thanh không nén thì tương đương một tệp chừng 100 MB. Đủ để chạy thử một bản ghi thật và đánh giá kết quả trên chính âm thanh của bạn.
Bóc băng một tệp WAV