ChatGPT nâng tầm Voice-to-Text: Tốt hơn Otter và Google Recorder đến bất ngờ

Tôi làm công việc kiểm tra và đánh giá AI, và một điều tôi nhận thấy về các công cụ chuyển giọng nói thành văn bản (AI transcription tools) là hầu hết chúng vẫn chỉ làm một việc: chúng chép lại lời nói của bạn. Chỉ thế thôi. Thậm chí, bản chép lại không phải lúc nào cũng chính xác, và bản tóm tắt thì chưa đạt yêu cầu.

Vì vậy, khi tôi dùng thử công cụ Chuyển Giọng Nói Thành Văn Bản (Voice-to-Text) của ChatGPT, tôi không chắc mình sẽ nhận được gì. Nhưng tôi nhanh chóng phát hiện ra rằng công cụ này rất khác biệt. Không giống như Otter.ai hay các công cụ chuyển giọng nói thành văn bản bằng AI khác mà tôi đã thử, công cụ này không chỉ ghi chú mà còn suy nghĩ cùng với bạn.

Tôi đã thử nghiệm căng thẳng nó qua các cuộc phỏng vấn, cuộc họp, khi đi dạo, trong môi trường ồn ào — và kết quả tốt đến mức đáng kinh ngạc. Dưới đây là lý do tại sao công cụ này có thể giúp tăng năng suất của bạn với nỗ lực tối thiểu.

Điều gì làm nên sự khác biệt của công cụ chuyển giọng nói thành văn bản của ChatGPT?

Có lẽ sự khác biệt lớn nhất giữa công cụ của OpenAI và bất kỳ công cụ nào khác, là bạn rất có thể đã quen thuộc và đang sử dụng ChatGPT. Thay vì phải chuyển tab hoặc chuyển ứng dụng, bạn có thể tiếp tục làm việc ngay trong công cụ mà bạn đã quen dùng.

Bên cạnh đó, công cụ chuyển giọng nói thành văn bản bằng AI này không phải là một máy ghi âm điển hình chỉ đơn thuần “nhả ra” văn bản thô. Công cụ này thực sự là một trợ lý, dường như hiểu được những gì bạn đang nói nên có ít lỗi hơn trong bản chép lại.

Nó chép lại lời nói của bạn theo thời gian thực, hỗ trợ nhiều ngôn ngữ và phương ngữ, và thậm chí tóm tắt các cuộc hội thoại dài thành các điểm chính hoặc các mục hành động. Nó thích ứng với các giọng điệu, sửa lỗi theo ngữ cảnh cụ thể và cho phép bạn chỉnh sửa các bản chép lại bằng các lệnh giọng nói tự nhiên hoặc văn bản, tất cả trong khi vẫn giữ dữ liệu của bạn được mã hóa và an toàn.

Đưa nó vào thử nghiệm

Để đánh giá công cụ này, tôi đã đặt nó vào các kịch bản mà tôi thực sự cần một công cụ chuyển giọng nói thành văn bản. Chúng bao gồm:

• Đọc chính tả bài viết này trong khi đang nấu bữa tối, TV đang bật và có tiếng ồn của trẻ con ở phía sau.

• Tải lên một bản ghi âm Zoom về một cuộc họp ở trường với sự pha trộn giữa biệt ngữ IEP (Chương trình Giáo dục Cá nhân hóa) và các cuộc trò chuyện thông thường.

• Đọc các đoạn trích từ một bản thảo và cách công cụ xử lý các ghi chú của tôi với dấu câu.

Yêu cầu nó tóm tắt những gì vừa chép lại — và định dạng các ghi chú giống như một chương trình nghị sự cuộc họp (meeting agenda).

Nó không chỉ theo kịp mà còn thích nghi. Các cụm từ như “LLMs for real-world NLP applications” (Các mô hình ngôn ngữ lớn cho các ứng dụng NLP trong thế giới thực) đã được chép lại một cách sạch sẽ. Thậm chí còn tốt hơn, nó đã chia nhỏ cuộc trò chuyện thành các gạch đầu dòng dễ hiểu khi được yêu cầu; tất cả mà không cần mở một ứng dụng mới hoặc tải xuống tiện ích mở rộng.

Những khác biệt lớn giữa công cụ này và các đối thủ cạnh tranh

Trong khi Otter.ai cung cấp khả năng chép lại vững chắc và tóm tắt hạn chế (trên các gói cao cấp), và Google Recorder nổi bật với tốc độ và khả năng sử dụng ngoại tuyến, cả hai công cụ này vẫn còn tương đối thiếu sót khi so sánh. Chúng không nắm bắt được ngữ cảnh lời nói của bạn, không thể diễn giải các lệnh giữa quá trình chép lại, và chắc chắn không tóm tắt suy nghĩ của bạn theo yêu cầu.

Công cụ này vượt lên dẫn trước nhờ khả năng xử lý:

• Chỉnh sửa tự nhiên thông qua giọng nói hoặc văn bản

• Xử lý ngoại tuyến trên thiết bị, vì mục đích bảo mật

• Tính linh hoạt về ngôn ngữ

• Tóm tắt theo thời gian thực

• Nhận dạng các thuật ngữ chuyên ngành mà không cần huấn luyện giọng nói của bạn

Những điểm cần cải thiện

Không có công cụ nào là hoàn hảo. Đôi khi, nó vẫn mắc lỗi với các tên riêng hoặc các từ viết tắt không phổ biến (đặc biệt khi không có ngữ cảnh trước đó). Bản tóm tắt, mặc dù nhanh chóng, đôi khi lại nghiêng về sự khái quát hóa quá mức, đây là một hạn chế đã biết của nhiều hệ thống AI tạo sinh. Giao diện, mặc dù hoạt động tốt, lại cảm thấy phù hợp với máy tính để bàn hơn là thiết bị di động, điều này đáng thất vọng vì tôi cần chép lại nhiều nhất khi đang di chuyển.

Nếu bạn dành cả ngày để chuyển đổi giữa các cuộc họp, ý tưởng và tài liệu, công cụ chuyển giọng nói thành văn bản này sẽ trở thành một công cụ tăng cường năng suất vô hình. Sinh viên có thể sử dụng nó để tóm tắt các bài giảng. Các chuyên gia có thể chép lại các cuộc phỏng vấn và tự động trích dẫn các câu nói hoặc trích xuất các mục hành động từ các cuộc họp mà không cần thuê người ghi chú. Và đối với bất kỳ ai cảm thấy việc gõ phím là một thách thức, các tính năng chỉnh sửa bằng giọng nói sẽ biến lời nói thành các ghi chú được định dạng đầy đủ.

Nếu quy trình làm việc của bạn liên quan đến giọng nói, hãy cân nhắc thêm công cụ này vào hộp công cụ AI của bạn.