Mã ngôn ngữ: vi
API chuyển giọng nói thành văn bản tiếng Việt
KolWrite chuyển âm thanh và video tiếng Việt thành văn bản chỉ với một lần gọi REST API. Bạn gửi URL của tệp cùng "language": "vi" và nhận về văn bản tiếng Việt có đầy đủ dấu, chia thành các đoạn kèm dấu thời gian từng từ và nhãn người nói, ở định dạng JSON, TXT hoặc SRT. Với các mô hình Oracle, bạn còn có thể dịch giọng nói tiếng Việt sang tiếng Anh hoặc một trong 100 ngôn ngữ được hỗ trợ ngay trong cùng một job.
Chuyển giọng nói tiếng Việt thành văn bản chỉ với một request
Đặt language thành vi rồi tạo job. Lấy kết quả bằng GET /transcribe/{jobId}, hoặc truyền sẵn webhook_url để nhận kết quả.
curl https://app.kolwrite.com/transcribe \
-H "x-api-key: $KOLWRITE_API_KEY" \
-H "Content-Type: application/json" \
-d '{"audio_url": "https://example.com/phong-van-vi.m4a", "model": "oracle", "language": "vi", "include_diarization": true, "output_format": "json"}'
Để dịch âm thanh tiếng Việt sang tiếng Anh trong cùng một job (chỉ các mô hình Oracle):
curl https://app.kolwrite.com/transcribe \
-H "x-api-key: $KOLWRITE_API_KEY" \
-H "Content-Type: application/json" \
-d '{"audio_url": "https://example.com/phong-van-vi.m4a", "model": "oracle_mini", "language": "vi", "translate_to": "en", "word_timestamps": false, "output_format": "srt"}'
Thông số hỗ trợ tiếng Việt
| Thuộc tính | Chi tiết |
|---|---|
| Mã trong API | vi |
| Tên ngôn ngữ | Tiếng Việt |
| Hướng viết | Từ trái sang phải |
| Tự động nhận diện | Có: bỏ trống language hoặc truyền "auto" |
| Dịch âm thanh tiếng Việt sang | Bất kỳ ngôn ngữ nào trong 100 ngôn ngữ được hỗ trợ (trên mô hình Oracle) |
| Dịch từ ngôn ngữ khác sang tiếng Việt | Có: translate_to: "vi" trên mô hình Oracle |
| Đầu ra | JSON (phân đoạn, dấu thời gian từng từ, người nói), TXT, SRT |
| Giá | Từ 0,48 USD (Base) đến 3,60 USD (Oracle Max) mỗi giờ âm thanh; 1,44 USD với Oracle |
Những điều cần biết khi chuyển giọng nói tiếng Việt
- Tiếng Việt là ngôn ngữ có thanh điệu, chữ Latinh mang nhiều dấu chồng nhau (ế, ợ). Hãy lưu mọi thứ ở dạng Unicode NFC, vì trộn lẫn NFC và NFD sẽ làm sai lệch việc so sánh và tìm kiếm văn bản. Vị trí đặt dấu thanh cũng có hai kiểu (hòa/hoà), nên hãy chuẩn hóa cả điều này khi so sánh với văn bản đối chiếu.
- Giọng miền Bắc, miền Trung và miền Nam nghe khác nhau khá nhiều. Vì không có tham số chọn vùng, hãy thử với âm thanh của đúng những vùng bạn phục vụ.
- Tiếng Việt viết có khoảng trắng giữa mọi âm tiết, nên dấu thời gian theo từng từ thường khớp với từng âm tiết chứ không phải từng từ ghép như “sinh viên”. Nếu cần lập chỉ mục tìm kiếm hoặc trích xuất từ khóa, hãy chạy một công cụ tách từ (tokenizer) tiếng Việt (ví dụ VnCoreNLP hay underthesea) trên văn bản trước.
- Khi mở tệp SRT trong trình phát hoặc phần mềm dựng phụ đề, hãy chọn bảng mã UTF-8 để tiếng Việt không bị lỗi font.
Các trường hợp sử dụng phổ biến với tiếng Việt
- Cuộc gọi bán hàng và chăm sóc khách hàng của doanh nghiệp tại Việt Nam.
- Tạo phụ đề cho video và tài liệu e-learning bằng tiếng Việt.
- Dịch các cuộc phỏng vấn sang tiếng Anh bằng
translate_to: "en".
Chọn mô hình
Với âm thanh tiếng Việt trên môi trường production, hãy bắt đầu bằng oracle (1,44 USD mỗi giờ). Nếu bạn xử lý khối lượng lớn file ghi âm rõ, chỉ có một người nói, base (0,48 USD) là đủ. Dịch với chi phí thấp nhất thì dùng oracle_mini (0,96 USD); âm thanh nhiễu hoặc khó nghe thì chọn oracle_pro hoặc oracle_max. KolWrite không công bố độ chính xác riêng cho tiếng Việt trên API này, vì vậy hãy thử với vài file ghi âm mẫu của bạn trước khi quyết định. Xem so sánh đầy đủ tại mô hình và giá (trang tiếng Anh).
Câu hỏi thường gặp
Vì sao tìm kiếm tiếng Việt của tôi không khớp những từ trông giống hệt nhau?
Thường là do không đồng nhất về chuẩn hóa Unicode. Hãy chuẩn hóa cả văn bản đầu ra lẫn truy vấn tìm kiếm về NFC.
Có hỗ trợ các giọng vùng miền không?
Mọi âm thanh tiếng Việt đều dùng mã vi. Hãy thử với bản ghi của từng vùng bạn định hỗ trợ.
Tôi có thể dịch tiếng Việt sang tiếng Anh không?
Có. Dùng mô hình Oracle và đặt translate_to: "en".