ScribeToAny
Chuyển mọi âm thanh hoặc video thành văn bản chính xác
ScribeToAny chuyển các tệp âm thanh và video thành văn bản và phụ đề. Hệ thống phiên âm khoảng 98 ngôn ngữ với dấu thời gian và nhãn người nói, cho phép bạn chỉnh sửa từng dòng ngay trên trình duyệt, xuất ra TXT, SRT, VTT, TSV, CSV, JSON, PDF và DOCX, đồng thời dịch kết quả sang 134+ ngôn ngữ mà vẫn giữ nguyên thời gian phụ đề. Bạn có thể bắt đầu miễn phí với 100 phút mỗi tháng, không cần thẻ tín dụng.
Câu trả lời thường đến trong vòng 1–2 ngày làm việc.
Người xây dựng
Tôi là Ray Mac, cựu kỹ sư ByteDance. Tôi tự mình xây dựng và vận hành ScribeToAny; phiên bản đầu tiên ra mắt vào tháng 7 năm 2026. Các bài hướng dẫn đã được kiểm nghiệm trên blog cũng là của tôi: tôi trực tiếp chạy những gì được mô tả trên các bản ghi và tệp thực tế trước khi xuất bản.
Tiếng Anh không phải là tiếng mẹ đẻ của tôi, và phần lớn những gì tôi xem cũng như làm việc cùng cũng không phải bằng tiếng Anh. Sau khi rời ByteDance, tôi liên tục gặp phải cùng một vấn đề: các công cụ chuyển bản ghi thành văn bản và phụ đề đều ưu tiên tiếng Anh, ưu tiên các cuộc họp và rất nhanh chóng chạm giới hạn. Vì vậy, tôi đã xây dựng công cụ mà mình mong muốn: hỗ trợ khoảng 98 ngôn ngữ đầu vào, 134+ ngôn ngữ đầu ra, phụ đề được kiểm tra tốc độ đọc và hạn mức miễn phí làm mới mỗi tháng thay vì dùng thử một lần.
ScribeToAny được vận hành bởi Scribe Saas, LLC, một công ty đã đăng ký tại Hoa Kỳ.
Cách thức hoạt động
Tệp tải lên được chuyển thẳng từ trình duyệt của bạn đến bộ lưu trữ mã hóa. Quá trình phiên âm chạy các mô hình giọng nói cấp Whisper (faster-whisper) trên GPU chuyên dụng, tự động nhận diện ngôn ngữ nói và gắn nhãn người nói. Phụ đề được kiểm tra tốc độ đọc: các câu chạy quá nhanh sẽ được gắn cờ cảnh báo, không bao giờ tự ý viết lại.
Ghi chú kỹ thuật: chạy Whisper trên GPU từ Cloudflare WorkersCách kiểm thử
Tôi công khai những gì mình đo lường được, kể cả những điểm còn hạn chế:
- Độ chính xác: trên bản ghi thử nghiệm có kịch bản, 4 trong số 189 từ khác biệt so với kịch bản (tỷ lệ lỗi từ 2,1%), và toàn bộ 14 lượt đổi người nói đều được gắn nhãn chính xác. Đọc chi tiết
- Tệp phụ đề: khi xử lý 16 tệp SRT bị lỗi qua ffmpeg và bộ phân tích cú pháp riêng, ba lỗi trong bộ phân tích cú pháp đã lộ diện và hiện đã được sửa. Đọc chi tiết
- Ngôn ngữ: khi các bản ghi tiếng Thái, tiếng Lào và tiếng Miến Điện bị thiếu phần lời nói, tôi đã lần ra nguyên nhân từ hai cài đặt giải mã và thay đổi chúng cho các hệ chữ viết này.
- Giá cả: bảng so sánh với Otter, Rev, Sonix và HappyScribe cũng nêu rõ những điểm các nền tảng này vượt trội hơn ScribeToAny. Đọc chi tiết
Tệp của bạn
- Tệp âm thanh hoặc video gốc sẽ tự động bị xóa sau khi phiên âm. Nếu tác vụ thất bại, tệp được giữ tối đa 7 ngày để bạn có thể thử lại.
- Các bản ghi phiên âm vẫn nằm trong tài khoản của bạn cho đến khi bạn xóa chúng.
- Chúng tôi không bao giờ sử dụng bất kỳ nội dung nào bạn tải lên để huấn luyện các mô hình AI.