5 mô hình AI
Chọn Nhanh, Chính xác, Cân bằng, Nâng cao hoặc Tiêu chuẩn. Mỗi mô hình hiện giá mỗi phút và giới hạn file trước khi bắt đầu.
Chuyển âm thanh và video thành văn bản, tóm tắt AI, ghi chú và chat.
Tải lên một hoặc nhiều file (tối đa 100 file một lần), ghi âm bằng micrô hoặc dán liên kết.
Chọn mô hình theo tốc độ hoặc độ chính xác. Chọn ngôn ngữ của bản ghi hoặc để mô hình tự nhận diện. Giá bằng credit hiện ra trước khi bắt đầu.
Vừa nghe vừa dò theo văn bản, tạo tóm tắt AI hoặc ghi chú cuộc họp chỉ với một cú nhấp, đặt câu hỏi trong chat AI và tải xuống TXT, DOCX, PDF, SRT hoặc VTT.
Nhận lại mọi bản ghi dưới dạng văn bản — tách theo người nói, có mốc thời gian đến từng từ.
Chuyển đổi âm thanh và video thành văn bản chính xác, bản tóm tắt, ghi chú và các ý chính thiết thực. Chọn trong 5 mô hình, trò chuyện với bản ghi âm và xuất ra bất kỳ định dạng nào. Chuyển âm thanh thành văn bản từ file (MP3, WAV, M4A, OGG, FLAC…) và video (MP4, MOV, MKV, AVI, WEBM) dài đến 3 giờ, nặng đến 1 GB. Bạn cũng có thể ghi âm trực tiếp hoặc dán liên kết YouTube, Google Drive hay liên kết thẳng đến file. Công cụ audio to text chạy ngay trên trình duyệt, cả máy tính lẫn điện thoại — không cần cài đặt.
Một bản ghi có hai người nói, xuất ra bốn định dạng: văn bản thuần, tài liệu và hai file phụ đề. File của bạn cũng có cấu trúc như vậy.
[00:01] Người nói 1: [00:05] Người nói 2:
Người nói 2 00:05
1 00:00:01,200 --> 00:00:04,500 2 00:00:05,100 --> 00:00:08,300
WEBVTT 00:00:01.200 --> 00:00:04.500 <v Người nói 1> 00:00:05.100 --> 00:00:08.300 <v Người nói 2>
Mỗi dòng phụ đề mặc định dài 42 ký tự. Bạn có thể đổi trước khi tải xuống.
Hơn cả một bản gỡ băng thô. Tạo báo cáo có cấu trúc chỉ với một cú nhấp hoặc đặt câu hỏi trong khung chat AI tích hợp — mọi câu trả lời đều dựa trên bản ghi của bạn kèm mốc thời gian có thể nhấp.
Chủ đề chính, quyết định, số liệu, ngày tháng và nhân vật trong 3–5 câu.
Ghi chú có cấu trúc theo chủ đề: bối cảnh, thảo luận, quan điểm, quyết định và câu hỏi còn mở.
Nhiệm vụ đã xác nhận kèm người phụ trách, thời hạn và trích dẫn, cùng các mục cần làm rõ.
Dữ kiện có trích dẫn nguyên văn làm căn cứ, kèm liên kết đến trích dẫn: đã thảo luận, quyết định, bất đồng.
Những ý chính của bài giảng, podcast, buổi phỏng vấn hoặc video, mỗi ý kèm mốc thời gian.
Các chương video kèm mốc thời gian, sẵn sàng dán vào phần mô tả YouTube.
Chat AI với bản ghi âm: dùng các gợi ý nhanh (“Nội dung là gì?”, “Ý chính”, “Tóm tắt nhanh”, “Cần làm gì?”) hoặc tự đặt câu hỏi bằng bất kỳ ngôn ngữ nào. Nhấp vào mốc thời gian [MM:SS] để nghe lại đúng đoạn đó và tải báo cáo dưới dạng PDF, DOCX hoặc TXT.
Chọn Nhanh, Chính xác, Cân bằng, Nâng cao hoặc Tiêu chuẩn. Mỗi mô hình hiện giá mỗi phút và giới hạn file trước khi bắt đầu.
Mỗi người nói có nhãn riêng. Đổi tên một lần là tên mới áp dụng cho cả bản chép lời. Có thể chuyển một đoạn sang người nói khác.
Bấm vào một từ để phát âm thanh từ đúng chỗ đó. Từ đang phát được tô sáng.
Có cả biến thể vùng miền của tiếng Anh, tiếng Tây Ban Nha, tiếng Ả Rập và nhiều ngôn ngữ khác. Hầu hết mô hình tự nhận diện ngôn ngữ.
Ghi âm trên trình duyệt, tạm dừng rồi ghi tiếp, sau đó gửi bản ghi hoàn chỉnh. Với ghi chú bằng giọng nói, hãy dùng trang chuyển giọng nói thành văn bản.
Tải lên file video hoặc dán liên kết YouTube, Google Drive. Âm thanh được tách tự động.
Với file dài hơn 30 phút, có thể chép lời riêng phút đầu để kiểm tra chất lượng, rồi mới xử lý cả file.
Chưa hài lòng với kết quả? Chạy lại với mô hình hoặc ngôn ngữ khác. Giá hiện ra trước khi bạn xác nhận.
Xử lý hàng loạt: tối đa 100 file mỗi lần tải lên và 20 file mỗi lần xuất — đủ cho cả loạt phỏng vấn hay một học kỳ bài giảng.
Mỗi mô hình có thế mạnh và mức giá riêng. Chưa biết chọn mô hình nào? Hãy bắt đầu với Nhanh, hoặc chép lời phút đầu bằng hai mô hình rồi so sánh.
| Mô hình | Phù hợp với | Độ chính xác | Tốc độ | Ngôn ngữ | Tự nhận diện ngôn ngữ | Giới hạn file | Giá |
|---|---|---|---|---|---|---|---|
| NhanhMicrosoft Fast | Kết quả nhanh nhất và nhiều ngôn ngữ nhất. Giá mỗi phút gấp đôi. | 76 | Có | 3 giờ / 1 GB | 278 credit/phút | ||
| Chính xácMAI-Transcribe-2 | Độ chính xác cao cho phỏng vấn, bài giảng và cuộc họp. Giới hạn file thấp hơn. | 57 | Có | 2 giờ / 300 MB | 139 credit/phút | ||
| Cân bằngGrok Voice Transcribe 2.0 | Độ chính xác cao, tốc độ trung bình. Hợp với bản ghi dài đến 3 giờ. | 25 | Có | 3 giờ / 1 GB | 139 credit/phút | ||
| Nâng caoMicrosoft LLM Speech | Nhận dạng giọng nói có tích hợp mô hình ngôn ngữ, cho các ngôn ngữ phổ biến nhất. | — | 24 | Có | 3 giờ / 1 GB | 139 credit/phút | |
| Tiêu chuẩnWhisper (Microsoft Azure) | Hỗ trợ toàn bộ danh sách ngôn ngữ. Bạn tự chọn ngôn ngữ. Chậm hơn các mô hình khác. | 76 | Thủ công | 3 giờ / 1 GB | 139 credit/phút |
Giá tính bằng credit trong số dư SpeechGen của bạn. Số credit chính xác cho file hiện ra trước khi bắt đầu.
70+ ngôn ngữ · 130+ biến thể vùng miền · tự nhận diện ngôn ngữ
Tiếng Việt, tiếng Anh, tiếng Trung, tiếng Nhật, tiếng Hàn, tiếng Thái, tiếng Pháp, tiếng Đức và hơn 60 ngôn ngữ khác. Chọn ngôn ngữ của bản ghi hoặc để mô hình tự nhận diện — bản ghi song ngữ Việt–Anh hay tiếng Trung đều làm theo cùng một cách. Danh sách tùy mô hình: Nhanh và Tiêu chuẩn hỗ trợ nhiều ngôn ngữ nhất.
Trích lời phỏng vấn kèm người nói và thời điểm chính xác.
Biến bài giảng thành ghi chú tìm kiếm được.
Có ghi chú tập và phụ đề chỉ từ một lần tải lên.
Lưu biên bản cuộc gọi và cuộc họp bằng văn bản.
Tải SRT hoặc VTT và chỉnh độ dài dòng. Làm việc với file video? Dùng trang chuyển video thành văn bản.
Bắt đầu từ văn bản gốc chính xác bằng ngôn ngữ nguyên bản.
Chép lời được trả bằng credit trong số dư SpeechGen — cùng số dư bạn dùng để tạo giọng đọc AI. Hầu hết mô hình có giá 139 credit mỗi phút âm thanh; Nhanh là 278. Giá cho file của bạn hiện ra trước khi bắt đầu, và nếu chép lời thất bại, credit được hoàn lại.
Tùy chất lượng âm thanh và mô hình. Giọng rõ của một hoặc hai người cho kết quả tốt nhất. Tiếng ồn, nhạc nền, nhiều người nói chen nhau, giọng địa phương nặng và âm thanh cuộc gọi điện thoại dễ gây lỗi. Luôn kiểm tra lại tên riêng và con số trước khi đăng.
Tùy độ dài file, mô hình và hàng đợi hiện tại. Bạn có thể đóng trang: bản chép lời được lưu trong Tệp của tôi và hiện ra khi xong.
Được. Bạn có thể chuyển file âm thanh thành văn bản, cả file video, đến 1 GB và 3 giờ (mô hình Chính xác: 300 MB và 2 giờ). Định dạng phổ biến: MP3, WAV, M4A, OGG, FLAC, AAC, MP4, MOV, MKV, AVI, WEBM. Cũng có thể dán liên kết YouTube, liên kết Google Drive công khai hoặc liên kết thẳng đến file.
Hơn 70 ngôn ngữ, nhiều ngôn ngữ có biến thể vùng miền. Hầu hết mô hình tự nhận diện ngôn ngữ; với mô hình Tiêu chuẩn, bạn tự chọn. Nếu bản ghi dùng ngôn ngữ hiếm, hãy chép lời phút đầu để kiểm tra chất lượng.
Bạn trả bằng credit trong số dư SpeechGen, tính theo phút âm thanh. Giá tùy mô hình và hiện ra trước khi bắt đầu.
Bạn có thể đổi tên người nói, chuyển một đoạn sang người nói khác và xóa đoạn. Muốn sửa từ ngữ, hãy tải DOCX hoặc TXT rồi chỉnh trong trình soạn thảo văn bản.
Có tài khoản: 90 ngày, không có tài khoản: 1 ngày. Bạn có thể xóa file sớm hơn. Chỉ bạn mở được trang kết quả; muốn chia sẻ, hãy tải bản chép lời xuống và gửi file.
Không. Mọi thứ chạy trên trình duyệt, trên máy tính hoặc điện thoại. Tải file lên, ghi âm hoặc dán liên kết.
Với phần lớn bản ghi, hãy bắt đầu bằng Nhanh. Với phỏng vấn và bài giảng cần đúng từng chữ, hãy thử Chính xác. Nếu ngôn ngữ của bạn không có trong danh sách, dùng Tiêu chuẩn và tự chọn ngôn ngữ.
Sau khi chuyển đổi toàn bộ bản ghi, hãy mở tab AI để tạo tóm tắt ngắn, ghi chú chi tiết, quyết định và công việc, biên bản kèm trích dẫn, ý chính hoặc chương YouTube. Bạn cũng có thể hỏi đáp trong chat AI kèm mốc [MM:SS] và tải báo cáo dạng PDF, DOCX hoặc TXT.
Tải file lên, ghi âm hoặc dán liên kết. Giá hiện ra trước khi bắt đầu.