Chuyển âm thanh thành văn bản

Chuyển âm thanh và video thành văn bản, tóm tắt AI, ghi chú và chat.

Thêm âm thanh hoặc videoKéo tệp vào đây hoặc nhấp để chọnNhấn để chọn âm thanh hoặc video · MP3, WAV, M4A, MP4 và nhiều định dạng khácChọn tệp

Thêm tệp khác

Bước 1Tải tệp lên, ghi âm hoặc dán liên kết
Bước 2AI chép lời bản ghi của bạn
Bước 3Nhận văn bản có người nói và mốc thời gian từng từ

Tệp của tôi

Tên tệpNgày Thời lượngTrạng thái
70+ngôn ngữ
5 mô hình AItối đa 3 giờ · 1 GB
Tóm tắt AI6 báo cáo & chat
TXT · DOCX · SRTvà 5 định dạng khác

Cách chuyển ghi âm thành văn bản

  1. Thêm bản ghi

    Tải lên một hoặc nhiều file (tối đa 100 file một lần), ghi âm bằng micrô hoặc dán liên kết.

  2. Chọn mô hình và ngôn ngữ

    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.

  3. Tóm tắt, hỏi đáp AI và xuất file

    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.

↑ Tải file lên — cuộn lên trên

Chuyển file ghi âm thành văn bản online

Nhận lại mọi bản ghi dưới dạng văn bản — tách theo người nói, có mốc thời gian đến từng từ.

Nhãn người nói · Mốc thời gian từng từ · Tóm tắt & chat AI · 70+ ngôn ngữ · TXT · DOCX · SRT

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.

Bản chép lời trông như thế nào

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.

TXT
[00:01] Người nói 1: 


[00:05] Người nói 2: 

DOCX
Người nói 1 00:01

Người nói 2 00:05

SRT
1
00:00:01,200 --> 00:00:04,500



2
00:00:05,100 --> 00:00:08,300
VTT
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.

Tóm tắt AI, ghi chú cuộc họp và trò chuyện với bản ghi của bạn

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.

  • Tóm tắt ngắn

    Chủ đề chính, quyết định, số liệu, ngày tháng và nhân vật trong 3–5 câu.

  • Ghi chú chi tiết

    Ghi chú có cấu trúc theo chủ đề: bối cảnh, thảo luận, quan điểm, quyết định và câu hỏi còn mở.

  • Quyết định và nhiệm vụ

    Nhiệm vụ đã xác nhận kèm người phụ trách, thời hạn và trích dẫn, cùng các mục cần làm rõ.

  • Biên bản kèm trích dẫn kiểm chứng được

    Dữ kiện có trích dẫn nguyên văn làm căn cứ, kèm liên kết đến trích dẫn: đã thảo luận, quyết định, bất đồng.

  • Ý chính

    Những ý chính của bài giảng, podcast, buổi phỏng vấn hoặc video, mỗi ý kèm mốc thời gian.

  • Chương cho YouTube

    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.

SpeechGen làm gì với bản ghi của bạn

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.

Nhãn người nói

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.

Mốc thời gian từng từ

Bấm vào một từ để phát âm thanh từ đúng chỗ đó. Từ đang phát được tô sáng.

70+ ngôn ngữ

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 bằng micrô

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.

Video và liên kết

Tải lên file video hoặc dán liên kết YouTube, Google Drive. Âm thanh được tách tự động.

Thử phút đầu tiên

Với file dài hơn 30 phút, có thể chép lời riêng phút đầu để kiểm tra chất lượng, rồi mới xử lý cả file.

Chép lời lại

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.

Mô hình speech to text

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 hìnhPhù hợp vớiĐộ chính xácTốc độNgôn ngữTự nhận diện ngôn ngữGiới hạn fileGiá
NhanhMicrosoft FastKết quả nhanh nhất và nhiều ngôn ngữ nhất. Giá mỗi phút gấp đôi.76Có3 giờ / 1 GB278 credit/phút
Chính xácMAI-Transcribe-2Độ chính xác cao cho phỏng vấn, bài giảng và cuộc họp. Giới hạn file thấp hơn.57Có2 giờ / 300 MB139 credit/phút
Cân bằngGrok Voice Transcribe 2.0Độ chính xác cao, tốc độ trung bình. Hợp với bản ghi dài đến 3 giờ.25Có3 giờ / 1 GB139 credit/phút
Nâng caoMicrosoft LLM SpeechNhận dạng giọng nói có tích hợp mô hình ngôn ngữ, cho các ngôn ngữ phổ biến nhất.—24Có3 giờ / 1 GB139 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.76Thủ công3 giờ / 1 GB139 credit/phút

Giá tính bằng credit trong số dư SpeechGen của bạn. Số credit chính xác cho file hiện ra trước khi bắt đầu.

Xuất transcript ra TXT, DOCX, PDF và phụ đề

Tài liệu

TXTDOCXPDF

Phụ đề

SRTVTTSUB

Dữ liệu

CSVJSON

Bộ nhớ tạm

Sao chép văn bản
Đoạn văn
Tự động, hoặc 1–8 dòng mỗi đoạn. Đoạn mới bắt đầu sau một khoảng dừng; bạn chọn độ dài khoảng dừng (mặc định 700 ms).
Mốc thời gian
Thêm vào đoạn văn, vào từng lượt nói, cả hai, hoặc bỏ hẳn.
Người nói
Hiện hoặc ẩn tên người nói. Gộp các dòng liền nhau của cùng một người.
Dòng phụ đề
Đặt số ký tự mỗi dòng (mặc định 42) và số từ mỗi dòng.
Văn bản thuần
Bỏ mốc thời gian và tên người nói — cách nhanh nhất để chuyển ghi âm thành văn bản Word sạch hoặc dán vào công cụ AI.

Chuyển âm thanh thành văn bản tiếng Việt và 70+ ngôn ngữ

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.

Ai cần chuyển audio thành văn bản

  • Nhà báo và nhà nghiên cứu

    Trích lời phỏng vấn kèm người nói và thời điểm chính xác.

  • Sinh viên và giáo viên

    Biến bài giảng thành ghi chú tìm kiếm được.

  • Podcaster và người làm video

    Có ghi chú tập và phụ đề chỉ từ một lần tải lên.

  • Cuộc họp công việc

    Lưu biên bản cuộc gọi và cuộc họp bằng văn bản.

  • Người làm phụ đề

    Tải SRT hoặc VTT và chỉnh độ dài dòng. Làm việc với file video? Dùng trang chuyển video thành văn bản.

  • Biên dịch viên

    Bắt đầu từ văn bản gốc chính xác bằng ngôn ngữ nguyên bản.

Giá mỗi phút âm thanh

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.

139credit / phútChính xác · Cân bằng · Nâng cao · Tiêu chuẩn
278credit / phútNhanh
Xem bảng giá

Quyền riêng tư và lưu trữ file

Truyền tải mã hóa
File và bản chép lời được truyền qua HTTPS (TLS).
Thời gian lưu
Có tài khoản: file và bản chép lời được lưu 90 ngày. Không có tài khoản: 1 ngày. Bạn có thể xóa file bất cứ lúc nào.
Kết quả riêng tư
Chỉ bạn mở được kết quả: qua tài khoản, hoặc trên cùng trình duyệt nếu chưa có tài khoản. Chỉ có liên kết thì không xem được. Muốn chia sẻ, hãy tải bản chép lời xuống và gửi file.

Câu hỏi thường gặp về transcript

Chép lời chính xác đến đâu?

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.

Mất bao lâu?

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.

Có chuyển MP3 thành văn bản được không?

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.

Hỗ trợ những ngôn ngữ nào?

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.

Giá bao nhiêu?

Bạn trả bằng credit trong số dư SpeechGen, tính theo phút âm thanh. Giá tùy mô hình và hiện ra trước khi bắt đầu.

Có sửa được bản chép lời không?

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.

File được lưu bao lâu và ai xem được?

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.

Có cần cài phần mềm chuyển âm thanh thành văn bản không?

Không. Mọi thứ chạy trên trình duyệt, trên máy tính hoặc điện thoại. Tải file lên, ghi âm hoặc dán liên kết.

Nên chọn mô hình nào?

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.

Tính năng tóm tắt AI và chat với bản ghi hoạt động như thế nào?

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.

Thử với bản ghi của chính bạn

Tải file lên, ghi âm hoặc dán liên kết. Giá hiện ra trước khi bắt đầu.

  • Không cần cài phần mềm
  • Đến 3 giờ mỗi file
  • Hoàn credit nếu chép lời thất bại

Chép lời toàn bộ?

Xóa tệp này?

Tệp và bản chép lời của tệp sẽ bị xóa. Không thể hoàn tác.

Chọn một ngôn ngữ

Chúng tôi sử dụng cookie để đảm bảo bạn có được trải nghiệm tốt nhất trên trang web của chúng tôi. Tìm hiểu thêm: Chính sách quyền riêng tư

Chấp nhận cookie