Trang chủ › Cách chuyển giọng nói thành văn bản

Hướng dẫn từng bước

Cách chuyển giọng nói thành văn bản trên Mac

Bài này đi hết một lượt: cần cấu hình gì, macOS sẽ hỏi những quyền nào và vì sao, tải mô hình nhận dạng ra sao, giữ ⌥Space để nói rồi dán bằng ⌘V, và cách chọn ngôn ngữ cho đúng khi bạn hay chèn tiếng Anh giữa câu tiếng Việt. Mọi bước đều chạy ngay trên máy — sau lần tải mô hình đầu tiên thì không cần Internet nữa.

Cần gì trước khi bắt đầu

Danh sách rất ngắn, nhưng hai dòng đầu là điều kiện cứng:

• Máy Mac chạy Apple Silicon (M1 trở lên) — bắt buộc. Máy Mac dùng chip Intel không chạy được ứng dụng này.
• macOS 13 (Ventura) trở lên.
• Vài gigabyte trống trên ổ đĩa cho mô hình nhận dạng giọng nói.
• Internet cho đúng một lần tải mô hình. Sau đó bạn có thể rút mạng.
• Micro. Micro rời hoặc tai nghe có micro cho kết quả tốt hơn micro tích hợp đặt xa, nhưng micro sẵn có của MacBook vẫn dùng được.

Bảy bước, làm một lần là quen

1. Mở ứng dụng. Lesskeys nằm trên thanh menu ở góc trên bên phải màn hình chứ không phải một cửa sổ lớn chiếm chỗ. Bấm vào biểu tượng là ra bảng điều khiển.
2. Tải mô hình nhận dạng. Lần đầu chạy, ứng dụng đề nghị tải mô hình về máy. Đây là lần duy nhất cần Internet; từ đó trở đi mọi việc chạy ngay trên máy.
3. Cấp quyền Micro và quyền Ghi màn hình. macOS sẽ hỏi. Phần dưới giải thích vì sao cần từng quyền.
4. Muốn nhập liệu bằng giọng nói thì giữ ⌥Space (phím Option cộng phím cách), nói, rồi thả ra. Một khung nhỏ hiện lên cho biết máy đang nghe.
5. Nhận dạng chạy bằng GPU của máy bạn. Không có thanh chờ tải lên, không có hàng đợi máy chủ.
6. Chữ được chép vào clipboard. Bạn tự nhấn ⌘V để dán vào chỗ cần — email, Slack, Word, ô chat, đâu cũng được.
7. Với luồng ghi âm và gỡ băng, bạn bấm ghi khi cuộc họp bắt đầu và bấm dừng khi kết thúc. Bản gỡ băng đã tách sẵn theo từng người nói nằm trong thư viện của ứng dụng, mở lại lúc nào cũng được.

Hai quyền macOS sẽ hỏi, và vì sao

macOS hỏi quyền từng cái một và bạn có thể từ chối cái nào không cần. Đường đi: Cài đặt Hệ thống → Quyền riêng tư & Bảo mật.

Cái tên "Ghi màn hình" hay làm người dùng chột dạ, nên nói cho rõ: trên macOS, quyền thu âm thanh hệ thống nằm chung một ô với quyền chụp màn hình, đó là cách Apple thiết kế chứ không phải ứng dụng đòi quay lén màn hình bạn. Nếu bạn chỉ dùng để nhập liệu bằng giọng nói thì bỏ qua quyền này cũng được.

Sau khi bật một quyền trong Cài đặt Hệ thống, hãy thoát hẳn và mở lại ứng dụng — macOS chỉ áp dụng quyền mới cho lần khởi chạy tiếp theo. Đây là nguyên nhân của phần lớn tình huống "đã bật rồi mà vẫn không thu được".

Chọn ngôn ngữ: 99 ngôn ngữ, nhưng nên thu hẹp

Ứng dụng hỗ trợ 99 ngôn ngữ và tự nhận diện. Có một chi tiết quan trọng: việc nhận diện ngôn ngữ được quyết định theo từng bản ghi, chứ không đổi qua đổi lại giữa chừng. Một cuộc họp mà mọi người nhảy qua nhảy lại giữa hai ngôn ngữ sẽ cho kết quả lộn xộn.

Với người Việt, mẹo thực sự hữu ích là thu hẹp danh sách ngôn ngữ ưu tiên xuống còn Tiếng Việt và Tiếng Anh trong phần cài đặt mô hình. Chúng ta chèn tiếng Anh giữa câu quá nhiều — "book lịch", "check lại", "deadline", "brief", "feedback" — và một danh sách ưu tiên gọn giúp máy khỏi đoán sang ngôn ngữ thứ ba khi nghe những từ đó. Vài từ tiếng Anh lẻ tẻ thường không sao; cả một đoạn dài toàn tiếng Anh mới làm rối kết quả.

Chi tiết về dấu thanh, giọng vùng miền và chuyện chèn tiếng Anh nằm ở trang nhận dạng giọng nói tiếng Việt có chuẩn không.

Vì sao bạn phải tự nhấn ⌘V

Nhiều người hỏi tại sao ứng dụng không tự điền chữ vào ô đang gõ. Câu trả lời thẳng thắn: ứng dụng không tự gõ chữ vào ứng dụng khác. Chữ được chép vào clipboard và bạn nhấn ⌘V.

Cách này có cái hay của nó. Bạn nhìn thấy câu mình sắp dán trước khi nó xuất hiện trong email gửi khách hàng; bạn dán được vào đúng vị trí con trỏ mình muốn chứ không phải vị trí máy đoán; và nếu câu đó sai dấu hay sai tên riêng thì bạn sửa trước khi dán chứ không phải sửa sau khi đã lỡ gửi. Với tiếng Việt, liếc lại một cái trước khi dán là thói quen đáng có.

Luồng ghi âm và gỡ băng

Nhập liệu bằng giọng nói và gỡ băng là hai luồng khác nhau trong cùng một ứng dụng. Luồng thứ hai đi như sau: bấm ghi → cuộc họp diễn ra bình thường → bấm dừng → ứng dụng gỡ băng bản ghi và tách theo từng người nói. Bạn đặt tên cho từng người, sửa những chỗ máy nghe sai, rồi xuất ra file.

Nếu bạn ghi âm người khác thì hãy xin phép trước. Ở Việt Nam cách làm quen thuộc là nói ngay đầu buổi: "mình xin phép ghi âm để làm biên bản", rồi ghi luôn dòng đó vào đầu biên bản — câu đồng ý của mọi người nằm sẵn trong bản ghi. Ai không đồng ý thì không ghi. Điều 38 Bộ luật Dân sự 2015 quy định việc thu thập, lưu giữ, sử dụng thông tin về đời sống riêng tư, bí mật cá nhân của người khác phải được người đó đồng ý. Đây là thông tin tham khảo, không phải tư vấn pháp lý.

Khi kết quả không như ý

• Câu bị cụt đầu — bạn nói hơi sớm. Giữ ⌥Space, đợi khung nhỏ hiện ra rồi mới nói.
• Ra sai ngôn ngữ — thu hẹp danh sách ngôn ngữ ưu tiên như phần trên.
• Sai nhiều dấu thanh — thường là do micro xa hoặc ồn nền. Nói gần micro hơn, tắt quạt, đóng cửa.
• Không nghe thấy người bên kia cuộc gọi — thiếu quyền Ghi màn hình, hoặc đã bật nhưng chưa khởi động lại ứng dụng.
• Bản ghi thu qua loa ngoài rất kém — đây là kiểu nguồn khó nhất. Thu thẳng âm thanh hệ thống thay vì để loa phát ra rồi thu lại.

Chi phí

Tải về từ Mac App Store miễn phí. Bản miễn phí gồm: nhập liệu bằng giọng nói 5 phút mỗi ngày, gỡ băng tổng cộng 5 file audio và 5 file video — con số trọn đời chứ không phải mỗi ngày. Ghi âm thì không giới hạn, và gỡ băng lại một bản đã gỡ rồi thì không tốn thêm lượt, nên bạn cứ ghi thoải mái rồi chọn cái nào đáng gỡ.

Dùng vượt mức đó thì mở khoá Pro ngay trong ứng dụng: 49,99 $ trả một lần, không phải thuê bao (khoảng 1,2–1,3 triệu ₫ — đây là ước tính, số tiền thật hiển thị trên App Store Việt Nam).

Câu hỏi thường gặp

Bài liên quan