Dịch lời nói chỉ trong một bước
Cách thông thường để dịch video là một quy trình hai giai đoạn: chép lại lời nói bằng chính ngôn ngữ gốc, rồi đưa văn bản qua máy dịch. Mỗi giai đoạn lại thêm lỗi của riêng nó, và giai đoạn thứ hai chỉ thấy câu chữ chứ không biết chúng được nói ra như thế nào.
Công cụ này đi con đường ngắn hơn. Whisper, mô hình giọng nói đứng sau nó, được huấn luyện không chỉ để chép lời mà còn để tạo ra tiếng Anh trực tiếp từ âm thanh tiếng nước ngoài; khoảng 125.000 giờ dữ liệu huấn luyện của nó chính là những cặp lời nói không phải tiếng Anh đi kèm văn bản tiếng Anh. Ở chế độ dịch, mô hình nghe bản ghi và viết ra tiếng Anh, không có bản chép lời trung gian bằng ngôn ngữ gốc.
Điều đó mang lại vài lợi thế thực tế:
- Thời gian luôn gắn với văn bản tiếng Anh. Mỗi đoạn đã dịch giữ thời điểm bắt đầu và kết thúc của lời nói gốc, nên đầu ra SRT và VTT khớp với video.
- Không có lỗi chồng lỗi. Trong quy trình hai giai đoạn, một từ nghe nhầm sẽ thành bản dịch sai mà trông rất chắc chắn; ở đây mô hình làm việc trực tiếp từ âm thanh, nên không có bản chép lời sai nào để máy dịch dựa vào.
- Một tác vụ, một lần chờ. Bạn nhận lại văn bản hoặc phụ đề tiếng Anh chỉ từ một lần tải lên.
Cái giá phải trả là ngôn ngữ đích cố định: Whisper chỉ dịch sang tiếng Anh.
Khi nào dùng tốt và điểm yếu
Công cụ hoạt động tốt cho việc hiểu nội dung và xuất bản ở mức nhẹ:
- Theo dõi một bài nói hội thảo, bài giảng hay buổi phỏng vấn được ghi bằng ngôn ngữ bạn không biết.
- Thêm phụ đề tiếng Anh cho một clip ngắn dành cho khán giả quốc tế.
- Nắm ý chính của một tin nhắn thoại, một bản tin hay một video của khách hàng trước khi quyết định có cần đến biên dịch viên chuyên nghiệp hay không.
Hãy biết những chỗ nó gặp khó:
- Tên riêng và thuật ngữ. Tên người, địa danh và sản phẩm có thể bị dịch theo nghĩa đen hoặc viết sai. Hãy kiểm tra chúng trước khi xuất bản.
- Thành ngữ và câu đùa. Các cách nói cố định đôi khi bị dịch từng chữ một.
- Lời nói trộn nhiều ngôn ngữ. Khi người nói chuyển ngôn ngữ giữa câu, một số phần có thể không được dịch hoặc bị bỏ qua.
- Thỉnh thoảng có đoạn không được dịch. Đôi khi một đoạn vẫn giữ nguyên ngôn ngữ gốc. Chọn rõ ngôn ngữ nói thay vì để ở Tự động sẽ giúp điều này ít xảy ra hơn.
- Bản ghi vốn đã bằng tiếng Anh. Chúng chỉ được chép lời, nên không có lý do gì để chạy chúng ở đây; hãy dùng công cụ chuyển văn bản thay thế.
Chọn đầu ra
Có ba định dạng, và văn bản tiếng Anh cũng hiện ra trên trang khi tác vụ hoàn tất, sẵn sàng để sao chép:
- TXT đặt mỗi cụm từ đã dịch trên một dòng riêng, không có thời gian. Tốt nhất để đọc, ghi chú, trích dẫn và dán vào tài liệu.
- SRT là lựa chọn an toàn cho phụ đề: phần mềm dựng video, trình phát trên máy tính và hầu hết biểu mẫu tải lên đều nhận nó.
- VTT dành cho video HTML5 trên website, nơi phần tử
<track>chỉ nhận VTT.
Để hiển thị phụ đề tiếng Anh, hãy thêm tệp SRT làm track phụ đề trong trình chỉnh sửa hoặc trình phát, hoặc đặt nó cạnh video với cùng tên tệp. Nếu phụ đề bị lệch một hai giây, hoặc sau này bạn cần định dạng khác, Chuyển đổi SRT sang VTT và ngược lại có thể dịch thời gian và chuyển qua lại giữa SRT và VTT.
Chuẩn bị tệp
Nhận cả video lẫn âm thanh: MP4, MOV, MKV và WebM, cùng MP3, WAV và M4A. Chỉ phần âm thanh được dùng, nên một video lớn có thể thay bằng track âm thanh của nó để tải lên nhanh hơn. Một bản quay màn hình 300 MB thường chỉ còn 10 đến 15 MB khi chuyển thành MP3, và bản dịch vẫn y như vậy.
Việc nhận dạng mất khoảng chừng ấy thời gian như độ dài bản ghi, và giới hạn miễn phí được tính bằng phút âm thanh chứ không phải megabyte. Nếu bản ghi dài hơn giới hạn của bạn, hãy chia nó tại những chỗ ngừng tự nhiên và dịch lần lượt từng phần, để không câu nào bị cắt đôi ở ranh giới.
Việc xử lý diễn ra trên máy chủ của chúng tôi vì mô hình quá lớn để chạy trong một thẻ trình duyệt. Tệp tải lên bị xóa ngay khi kết quả sẵn sàng, và chính kết quả cũng tự động hết hạn trong vòng khoảng một giờ, nên hãy tải về hoặc sao chép kịp thời.