Mọi thuật ngữ đánh máy bằng giọng nói, bằng tiếng Việt đơn giản

Bạn không cần một người phiên dịch để mua một công cụ mà toàn bộ công việc của nó là biến lời nói của bạn thành văn bản. Trang này định nghĩa mọi thuật ngữ bạn sẽ gặp khi so sánh phần mềm đọc chính tả — bao gồm cả những thuật ngữ trong màn hình cài đặt của chúng tôi. Mỗi định nghĩa là một câu; các chi tiết sau đó là phần đọc tùy chọn.

Những điều cơ bản

Đọc chính tả

Đọc chính tả là nói to trong khi phần mềm biến lời nói của bạn thành văn bản. Mọi người cũng gọi nó là đánh máy bằng giọng nói hoặc chuyển giọng nói thành văn bản. Cả ba tên đều có nghĩa giống nhau: bạn nói, máy tính gõ.

Đánh máy bằng giọng nói

Gõ chữ bằng giọng nói là một tên gọi khác của đọc chính tả — nói thay vì gõ, với các từ hiện ra ở bất cứ nơi nào có con trỏ văn bản của bạn. Windows gọi công cụ tích hợp sẵn của mình là "voice typing" (tính năng Win+H). CaringDictate làm cùng một công việc trong hầu hết các chương trình, mà không có những lần hết giờ như công cụ tích hợp sẵn.

Chuyển giọng nói thành văn bản

Chuyển giọng nói thành văn bản là công nghệ chuyển đổi âm thanh nói thành văn bản. Bạn sẽ thấy nó được viết tắt là STT trong các bài viết kỹ thuật. Khi một sản phẩm nói "được hỗ trợ bởi chuyển giọng nói thành văn bản," điều đó có nghĩa là đọc chính tả.

Nhận dạng giọng nói

Nhận dạng giọng nói là lĩnh vực rộng hơn về việc máy tính hiểu lời nói của con người — cả những gì bạn nói (đọc chính tả) và những gì bạn muốn nói (lệnh). Một ứng dụng đọc chính tả sử dụng nhận dạng giọng nói để viết lời nói của bạn xuống. Một trợ lý giọng nói sử dụng nó để thực hiện các hành động dựa trên lời nói đó.

Chuyển ghi âm thành văn bản

Chuyển ghi âm thành văn bản là biến một bản ghi âm giọng nói — một cuộc họp, một cuộc phỏng vấn, một tin nhắn thoại — thành một tài liệu viết sau đó. Đọc chính tả là trực tiếp (bạn xem các từ xuất hiện khi bạn nói); chuyển ghi âm thành văn bản thường xảy ra sau đó, từ một tệp. Các công cụ như Otter.ai là công cụ chuyển ghi âm thành văn bản, không phải công cụ đọc chính tả.

Cách nhận dạng hoạt động

Mô hình giọng nói (mô hình nhận dạng)

Mô hình giọng nói là bộ não đã được huấn luyện của một chương trình đọc chính tả — tập tin thực sự hiểu được lời nói. Các mô hình lớn hơn thường chính xác hơn nhưng cần một máy tính mạnh hơn. CaringDictate chọn kích cỡ mô hình phù hợp với máy của bạn, từ khoảng 190 MB đến khoảng 3.1 GB.

Whisper

Whisper là một bộ mô hình giọng nói mã nguồn mở được OpenAI phát hành vào năm 2022, nổi tiếng với độ chính xác gần như con người trên nhiều ngôn ngữ. Đây là công cụ đằng sau nhiều sản phẩm đọc chính tả và phiên âm hiện đại, bao gồm CaringDictate. Vì là mã nguồn mở, nó có thể chạy hoàn toàn trên máy tính của riêng bạn.

Nhận dạng trên thiết bị (ngoại tuyến)

Nhận dạng trên thiết bị có nghĩa là lời nói của bạn được xử lý trên máy tính của chính bạn — âm thanh không bao giờ truyền đến máy chủ của công ty. Điều này hoạt động mà không cần internet, giữ kín những suy nghĩ riêng tư và không bao giờ ngừng hoạt động vì một dịch vụ bị lỗi. Đây là cách CaringDictate hoạt động.

Nhận dạng đám mây

Nhận dạng trên đám mây nghĩa là giọng nói của quý vị được truyền qua internet đến máy chủ của một công ty, chuyển đổi thành văn bản tại đó, rồi gửi trở lại. Việc nhận dạng diễn ra trên máy chủ chứ không phải trên máy tính của quý vị. Nơi một công cụ cụ thể thực hiện việc nhận dạng được nêu rõ trong tài liệu riêng của công cụ đó, và một số sản phẩm cung cấp cả hai tùy chọn — nên kiểm tra kỹ thay vì tự cho là như vậy.

Độ chính xác (tỷ lệ lỗi từ)

Độ chính xác là tỷ lệ phần trăm số từ mà một chương trình đọc chính tả nhận đúng; tỷ lệ lỗi từ (WER) là cùng ý tưởng đó đo ngược lại — tỷ lệ phần trăm số từ nó nhận sai. Đọc chính tả dựa trên Whisper hiện đại có độ chính xác cao trên giọng nói tiếng Anh rõ ràng. Kết quả thay đổi theo chất lượng micro, tiếng ồn nền, và mức độ rõ ràng khi bạn nói.

Độ trễ

Độ trễ là khoảng thời gian từ khi bạn kết thúc một câu cho đến khi thấy văn bản xuất hiện. Dưới khoảng một phần ba giây thì cảm thấy tức thì; lâu hơn nhiều thì cảm thấy bị giật. Nhận dạng trên thiết bị tránh được việc gửi và nhận dữ liệu đến máy chủ, điều này rất hữu ích.

Phát hiện ngôn ngữ tự động

Phát hiện ngôn ngữ tự động có nghĩa là phần mềm tự động nhận ra ngôn ngữ bạn đang nói mà không cần bạn phải chỉ định. Hữu ích nếu bạn chuyển đổi giữa các ngôn ngữ trong ngày. Cài đặt "Tự động" của CaringDictate thực hiện điều này trên 20 ngôn ngữ được hỗ trợ.

Sử dụng ứng dụng đọc chính tả hàng ngày

Nút nói (phím tắt)

Nút nói là một phím hoặc nút chuột duy nhất để bắt đầu và dừng đọc chính tả. Trong CaringDictate, mặc định là phím Ctrl phải, và bạn có thể thay đổi nó thành bất kỳ phím hoặc nút chuột nào thoải mái cho tay của bạn.

Nhấn để nói (giữ để nói)

Nhấn để nói có nghĩa là giữ nút nói trong khi bạn nói và nhả ra khi bạn kết thúc — giống như bộ đàm. Tốt cho những đoạn ngắn: hộp tìm kiếm, trả lời nhanh. Thay thế là chạm để bật/tắt, tốt hơn cho việc viết dài hơn.

Chuyển đổi (chạm để nói)

Chế độ chuyển đổi có nghĩa là chạm vào nút nói một lần để bắt đầu nghe và chạm lại để dừng. Tay của bạn hoàn toàn rảnh rỗi trong khoảng thời gian đó — hữu ích khi việc giữ một phím không thoải mái, hoặc khi bạn đọc chính tả những đoạn văn dài.

Từ đánh thức (kích hoạt bằng giọng nói)

Từ đánh thức là một cụm từ bạn nói to — như "bắt đầu đọc chính tả" — để bắt đầu đọc chính tả mà không cần chạm vào bàn phím hoặc chuột. Điều này quan trọng nhất khi việc với tới bàn phím là khó khăn. CaringDictate đã thêm tính năng kích hoạt bằng giọng nói do người dùng cài đặt trong phiên bản 3.5.

Chỉ báo đang nghe

Chỉ báo đang nghe là tín hiệu nhỏ trên màn hình cho thấy micrô đang hoạt động và lời nói của bạn đang được nghe. Một chỉ báo đáng tin cậy rất quan trọng: bạn không bao giờ phải tự hỏi liệu máy tính có đang lắng nghe hay không.

Lệnh thoại

Lệnh thoại là các hướng dẫn được nói ra — như "xuống dòng" hoặc "xóa cái đó" — để điều khiển định dạng thay vì viết từ. Các ứng dụng đọc chính tả khác nhau rất nhiều ở đây. Các lệnh đơn giản bao gồm hầu hết các tác vụ viết hàng ngày; điều khiển máy tính rảnh tay chuyên sâu là một danh mục riêng biệt (xem Voice Access).

Lệnh dấu câu

Lệnh dấu câu là nói "chấm," "phẩy," hoặc "dấu hỏi" thành tiếng để chèn dấu câu. Các công cụ hiện đại như Whisper cũng tự động thêm dấu câu từ cách diễn đạt và các khoảng dừng của bạn, vì vậy bạn thường có thể nói một cách tự nhiên.

Từ điển tùy chỉnh (danh sách từ)

Từ điển tùy chỉnh là danh sách cá nhân của bạn về tên và các từ đặc biệt mà công cụ nhận dạng nên tin tưởng — tên gia đình, tên thuốc, biệt ngữ ngành. Thêm "Zofran" hoặc "Oaxaca" một lần tốt hơn là phải sửa nó mãi mãi. CaringDictate bao gồm một mục trong phần Viết & từ.

Chèn văn bản

Chèn văn bản là cách các từ được đọc chính tả thực sự xuất hiện trong tài liệu của bạn — ứng dụng có thể gõ từng phím một hoặc dán chúng thành một khối. Dán toàn bộ cụm từ nhanh hơn và đáng tin cậy hơn nhiều trên các chương trình khác nhau, đó là lý do tại sao CaringDictate cung cấp văn bản theo cách đó.

Các thuật ngữ dành riêng cho Windows

Win+H (Gõ bằng giọng nói của Windows)

Win+H là tổ hợp phím tắt mở thanh gõ bằng giọng nói tích hợp sẵn của Windows trên Windows 10 và 11. Miễn phí, được tích hợp sẵn trong Windows và là lựa chọn hợp lý nên thử trước tiên cho việc đọc chính tả hằng ngày. Windows 11 còn có Voice Access, bổ sung khả năng điều khiển toàn bộ máy tính bằng giọng nói cùng với từ vựng tùy chỉnh và sửa lỗi văn bản.

Windows Voice Access

Voice Access là tính năng điều khiển máy tính rảnh tay của Windows 11 — nhấp, cuộn và chuyển đổi cửa sổ bằng giọng nói, bao gồm cả tính năng đọc chính tả. Nó được xây dựng để điều khiển máy tính hoàn toàn bằng giọng nói. Nếu điều bạn chủ yếu muốn là viết thoải mái, một công cụ đọc chính tả chuyên dụng thường là lựa chọn phù hợp hơn.

Nhận dạng giọng nói của Windows (WSR)

Windows Speech Recognition là công cụ đọc chính tả tích hợp cũ hơn mà Microsoft đã ngừng phát triển để ưu tiên Voice Access. Nếu bạn đã dựa vào WSR trên một PC cũ hơn, việc ngừng sử dụng nó thường là thời điểm để bạn chủ động chọn một công cụ thay thế thay vì chấp nhận bất kỳ công cụ nào Windows cung cấp tiếp theo.

Cài đặt quyền riêng tư của micro

Cài đặt quyền riêng tư của micro là các công tắc trong Windows quyết định chương trình nào có thể sử dụng micro của bạn. Nếu một ứng dụng đọc chính tả không nghe thấy gì, đây là nơi đầu tiên cần kiểm tra: Cài đặt → Quyền riêng tư & bảo mật → Micro.

Micro mặc định

Micro mặc định là micro mà Windows cấp cho các chương trình trừ khi chúng chọn khác. Máy tính xách tay thường có nhiều micro (tích hợp, tai nghe, webcam). Chọn đúng micro — gần miệng bạn, tránh xa quạt — cải thiện độ chính xác hơn bất kỳ cài đặt nào.

Các điều khoản mua hàng

Mua một lần (giấy phép vĩnh viễn)

Mua một lần có nghĩa là trả tiền một lần và sở hữu phần mềm — không có phí hàng tháng hoặc hàng năm để tiếp tục sử dụng. CaringDictate có giá $49 một lần, bao gồm các bản cập nhật. Mô hình thay thế, đăng ký, sẽ tiếp tục tính phí miễn là bạn còn gõ.

Đăng ký

Đăng ký là việc trả tiền hàng tháng hoặc hàng năm để tiếp tục truy cập phần mềm — ngừng trả tiền và nó sẽ ngừng hoạt động. Hợp lý cho các dịch vụ có chi phí máy chủ liên tục; khó biện minh hơn cho một công cụ chạy hoàn toàn trên máy tính của riêng bạn. Hãy so sánh tổng chi phí năm năm trước khi lựa chọn.

Giấy phép cài đặt (giấy phép thiết bị)

Một giấy phép cài đặt là một bản sao đã cài đặt của một chương trình; giấy phép 3 cài đặt bao gồm ba máy tính của bạn. Giấy phép $49 của CaringDictate bao gồm 3 cài đặt — máy tính để bàn, máy tính xách tay và một thiết bị khác.

Dùng thử miễn phí

Dùng thử miễn phí là khoảng thời gian dùng thử đầy đủ tính năng trước khi thanh toán — của CaringDictate kéo dài 7 ngày mà không yêu cầu thẻ. Một bản dùng thử trên máy tính của riêng bạn, với micro và giọng nói của riêng bạn, tốt hơn bất kỳ đánh giá hoặc biểu đồ độ chính xác nào.

Cập nhật miễn phí

Cập nhật miễn phí nghĩa là các phiên bản mới của phần mềm được bao gồm trong mức giá bạn đã trả, không có phí nâng cấp riêng. Đáng để kiểm tra trước khi mua bất kỳ phần mềm mua-một-lần nào: một số giấy phép "vĩnh viễn" đóng băng bạn ở phiên bản bạn đã mua và tính phí lại cho các bản nâng cấp.

Giới hạn từ (giới hạn sử dụng)

Giới hạn từ là giới hạn về số lượng bạn có thể đọc chính tả — phổ biến trên các gói miễn phí của dịch vụ đọc chính tả đăng ký. Các công cụ trên thiết bị không có lý do gì để đo lường bạn; không có hóa đơn máy chủ. CaringDictate không có giới hạn.

Tăng tốc GPU

Tăng tốc GPU có nghĩa là sử dụng chip đồ họa của máy tính để chạy mô hình giọng nói nhanh hơn bộ xử lý chính. Đó là lý do tại sao một máy tính xách tay chơi game phiên âm nhanh hơn đáng kể. Không bắt buộc — CaringDictate cũng chạy trên các máy thông thường với các mô hình nhỏ hơn.

Yêu cầu hệ thống

Yêu cầu hệ thống là thông số máy tính tối thiểu mà một chương trình cần để chạy tốt. Đối với CaringDictate: Windows 10 (64-bit, phiên bản 1903) hoặc Windows 11, 4 GB RAM, và vài GB dung lượng ổ đĩa trống.

Phiên bản ngắn gọn

Đọc chính tả, gõ bằng giọng nói và chuyển giọng nói thành văn bản đều có nghĩa giống nhau: bạn nói, máy tính gõ. Những lựa chọn thực sự quan trọng khi mua là nơi giọng nói của bạn được xử lý (trên máy tính của bạn hoặc trên máy chủ của ai đó), cách bạn bắt đầu và dừng nó (một nút nói thoải mái, hoặc một từ đánh thức), và cách bạn thanh toán (một lần, hoặc mãi mãi). Câu trả lời của CaringDictate là: trên máy tính của bạn, bất kỳ nút nào bạn thích — $49 một lần, với thời gian dùng thử 7 ngày dùng thử miễn phí để kiểm tra xem nó có phù hợp với giọng nói của bạn trước không.