Vietnamese Real Time Transcription

Chuyển Văn Bản Thời Gian Thực

Chuyển Văn Bản Thời Gian Thực hiển thị văn bản đã nhận dạng bên dưới chỉ báo ghi âm trong khi bản ghi vẫn đang diễn ra. Kích hoạt nó trong Cài đặt → Chuyển Văn Bản Thời Gian Thực, sau đó chọn đúng một chế độ.

Chuyển Văn Bản Khối

Chuyển Văn Bản Khối sử dụng lại mô hình chính Whisper hoặc Parakeet đã chọn. Trong quá trình ghi âm, nó chuyển đổi các cửa sổ âm thanh chồng chéo, gộp các từ đã nhận dạng theo dấu thời gian của chúng, và coi văn bản là ổn định sau khi nó duy trì nhất quán. Khi kết thúc ghi âm, Voice2Win thêm phần đuôi còn thiếu hoặc thực hiện chuyển đổi toàn bộ nếu phát hiện khoảng trống.

Ưu điểm:

• Sử dụng cùng mô hình phiên âm chính và lựa chọn ngôn ngữ như phiên âm cuối cùng.
• Làm cho các bản ghi dài có thể sử dụng sớm hơn mà không cần tải trình nhận dạng âm thanh luồng riêng.
• Có thể thực hiện các kiểm tra dịch chuyển bổ sung xung quanh ranh giới câu để sửa kết quả khối trước đó.

Yêu cầu và sự đánh đổi:

• Dự kiến để tăng tốc bằng card đồ họa và có thể không khả dụng khi phiên âm âm thanh được giao cho bộ xử lý chính.
• Yêu cầu bộ nhớ đồ họa đủ cho mô hình được chọn và công việc chồng lấp.
• Các cửa sổ thường xuyên hơn hoặc lớn hơn sẽ làm tăng mức sử dụng tính toán.

Cài đặt khối

Cài đặt	Mặc định	Hiệu ứng
Kích thước cửa sổ	10 giây	Thời lượng âm thanh tối đa được mô hình chính xử lý trong một lần. Cửa sổ lớn hơn sẽ cung cấp nhiều ngữ cảnh hơn nhưng mất thời gian lâu hơn.
Khoảng nhảy	3 giây	Thời gian giữa các bản chụp mới. Giá trị nhỏ hơn làm mới thường xuyên hơn và bắt đầu nhiều công việc hơn.
Chồng lấn / ngữ cảnh	20 giây	Âm thanh trước đó được bao gồm lại để cung cấp ngữ cảnh và ghép nối.
Độ trễ ổn định	6 giây	Thời gian văn bản mới phải không thay đổi trước khi trở nên ổn định.
Giới hạn thời gian khi im lặng	1000 mili giây	Chấp nhận văn bản ổn định đang chờ sau khoảng thời gian này nếu không phát hiện giọng nói.
Kiểm tra ranh giới câu bổ sung	2	Số lần kiểm tra bổ sung trên mỗi ranh giới câu; đặt bằng 0 để tắt các lần chạy bổ sung.
Hệ số dịch chuyển	20 phần trăm	Kiểm soát mức dịch chuyển của các cửa sổ câu bổ sung.

Sử dụng Khôi phục mặc định nếu việc điều chỉnh thủ công làm kết quả chậm hơn hoặc kém ổn định hơn.

Phiên âm luồng

Phiên âm luồng chạy một bộ nhận dạng trực tuyến Sherpa-ONNX riêng biệt song song với việc ghi âm. Nó tạo ra các câu tạm thời rất sớm, sau đó mô hình phiên âm chính sẽ tinh chỉnh chúng theo các nhóm chồng chéo.

Ưu điểm:

• Kết quả tạm thời nhìn thấy sớm nhất.
• Có thể chạy trên bộ xử lý chính hoặc, trên Windows, với tăng tốc card đồ họa DirectML.

Hạn chế:

• Chỉ hỗ trợ các ngôn ngữ có mô hình luồng trong danh mục hiện tại.
• Nhận dạng tạm thời thô có thể kém hơn kết quả cuối cùng của mô hình chính.
• Tải xuống và lưu trữ một mô hình bổ sung cho mỗi ngôn ngữ hoặc biến thể mô hình được chọn.

Cài đặt luồng

• Môi trường chạy — chọn bộ xử lý chính để tương thích hoặc card đồ họa Windows để tăng tốc độ.
• Mô hình âm thanh trực tiếp — Nhanh hơn giảm thiểu độ trễ và thời gian tải; Chính xác hơn nhưng chậm hơn sử dụng nhiều tính toán hơn để nâng cao chất lượng nhận diện.
• Số câu được tinh chỉnh cùng lúc — điều khiển cửa sổ tinh chỉnh mô hình chính chồng chéo từ 1 đến 8 câu; mặc định là 2.
• Các mô hình âm thanh trực tiếp đã tải — liệt kê các mô hình trong bộ nhớ đệm và cho phép xóa. Một mô hình đã xóa sẽ được tải lại khi cần.

Cài đặt hiển thị chung

Chiều cao văn bản tối đa dưới chỉ báo ghi giới hạn văn bản thời gian thực từ 10–90% chiều cao màn hình; mặc định là 50%. Văn bản dài hơn vẫn có thể cuộn và theo kết quả mới nhất cho đến khi bạn tự cuộn lên.

Tôi nên chọn chế độ nào?

• Chọn Ghi âm theo khối khi bạn muốn hành vi của mô hình chính và có đủ hiệu suất và bộ nhớ card đồ họa.
• Chọn Ghi âm theo luồng khi bạn cần văn bản tạm thời sớm nhất và ngôn ngữ của bạn được hỗ trợ.
• Vô hiệu hóa ghi âm theo thời gian thực khi bạn ưu tiên quy trình đơn giản nhất và chỉ cần kết quả cuối cùng sau khi ghi âm.