Ghi âm → Chữ

Cài công cụ bóc tiếng

Claude AI chạy giúp: python -m pip install faster-whisper. Công cụ này chạy hoàn toàn trên máy bạn, không gửi file đi đâu (chỉ lần đầu tự tải model về từ mạng).

Bóc tiếng ra chữ có mốc thời gian

Đoạn mã mẫu dưới đây bóc 1 file ghi âm hoặc video ra 2 file: .srt (phụ đề) và .txt (chữ kèm mốc). Mặc định chạy trên CPU, model medium:

# boc-tieng.py — bóc tiếng ra .srt và .txt có mốc thời gian, chạy hoàn toàn trên máy
# Dùng: python boc-tieng.py <file> [model] [ngôn-ngữ]      ví dụ: python boc-tieng.py buoi-hoc.mp4 medium vi
import sys
from pathlib import Path
from faster_whisper import WhisperModel

def moc(giay):
    ms = int(round(giay * 1000)); h, ms = divmod(ms, 3_600_000); m, ms = divmod(ms, 60_000); s, ms = divmod(ms, 1000)
    return f"{h:02d}:{m:02d}:{s:02d},{ms:03d}"

f = Path(sys.argv[1]); model = sys.argv[2] if len(sys.argv) > 2 else "medium"; ngu = sys.argv[3] if len(sys.argv) > 3 else "vi"
wm = WhisperModel(model, device="cpu", compute_type="int8")
doan, info = wm.transcribe(str(f), language=ngu, vad_filter=True, beam_size=5,
                           condition_on_previous_text=False)   # tắt để chữ không bị gom thành câu dài, lệch mốc
doan = list(doan)
with f.with_suffix(f".{ngu}.srt").open("w", encoding="utf-8") as a, f.with_suffix(f".{ngu}.txt").open("w", encoding="utf-8") as b:
    for i, d in enumerate(doan, 1):
        a.write(f"{i}\n{moc(d.start)} --> {moc(d.end)}\n{d.text.strip()}\n\n")
        b.write(f"[{moc(d.start)}] {d.text.strip()}\n")
print("XONG:", len(doan), "đoạn /", round(info.duration), "giây")

Không gọi ffmpeg từ Python. faster-whisper tự giải mã mp4, m4a, mp3 bằng PyAV — cứ đưa đường dẫn file vào (xem bẫy 1).

Chọn model và ngôn ngữ

Thử medium trước; thấy nhiều lỗi mới đổi sang large-v3 (nét hơn nhưng phải tải khoảng 3 GB — hỏi bạn trước khi tải). Ngôn ngữ đặt bằng mã: vi, en, zh, ja, ko...

Rà lỗi nghe nhầm — bước này không được bỏ

Máy nghe nhầm những chỗ đồng âm, tên riêng, tên thương hiệu, thuật ngữ, con số, từ tiếng Anh xen giữa câu. Claude AI đọc trọn file chữ, sửa chỗ chắc chắn, và ghi rõ chỗ không chắc thay vì đoán rồi trình bày như nguyên văn. Cuối file luôn có khối liệt kê "đã sửa" và "còn nghi ngờ", để bạn biết đâu là chữ máy, đâu là chữ đã chỉnh.

Dùng chữ để làm gì

Biên bản buổi họp, tóm tắt buổi học, bài viết (sang Bước 13), hoặc thả vào raw/ của Bộ Não Thứ 2 để AI nạp vào wiki (Bước 1). Nếu buổi họp đã diễn ra trong Lark Video Meeting thì Lark Minutes có sẵn bản chữ, không cần bóc lại.