Tóm tắt
Hãy quyết định mức verbatim trước khi gõ chữ đầu tiên: verbatim đầy đủ giữ lại mọi tiếng “ừm” và mọi câu nói dở, verbatim sạch giữ nguyên ý mà bỏ các từ đệm, còn bản đã biên tập chỉnh lại ngữ pháp cho dễ đọc. Chọn một hệ ký hiệu cho quãng ngắt, lời nói chồng nhau và đoạn nghe không rõ, ghi nó thành bảng chú giải ở đầu tài liệu, và gắn nhãn người nói thật nhất quán. Làm thủ công, hướng dẫn lịch sử truyền khẩu của Texas Tech University Libraries đưa ra tỷ lệ sáu giờ gõ cho mỗi giờ ghi âm; một hướng dẫn môn học của Cornell University nói từ bốn đến sáu giờ. Bản gỡ băng tự động cho bạn bản nháp đầu tiên chỉ trong vài phút; công việc của con người chuyển từ gõ sang đối chiếu nó với bản ghi âm.
Bạn đã có bản ghi âm. Giờ có người cần một bản gỡ băng để trích dẫn, mã hóa hoặc nộp, và câu hỏi đầu tiên không phải là dùng ứng dụng nào mà là bạn định giữ lại bao nhiêu phần lời nói.
Từ đệm và câu nói dở có ý nghĩa trong phân tích hội thoại và một số bối cảnh pháp lý; ở mọi nơi khác chúng chỉ là nhiễu. Bài viết này đi qua ba mức verbatim, hệ ký hiệu đánh dấu quãng ngắt và lời nói chồng nhau, thời gian làm thủ công mất bao lâu, và bản gỡ băng tự động làm đúng, làm sai những gì trên một bản ghi âm thật.
Cách dễ nhất để gỡ băng một buổi phỏng vấn là gì?
Hãy chạy bản ghi âm qua một công cụ chuyển giọng nói thành văn bản trước, rồi sửa tên riêng, kiểm tra ngẫu nhiên với âm thanh và thêm ký hiệu mà dự án của bạn cần: cách này nhanh hơn gõ từ trang trống, và đó cũng là điều đa số mọi người thực sự hiểu là “dễ nhất”. Gõ lại cả một giờ lời nói từ đầu, từng chữ một, là con đường chậm chứ không phải dễ.
Với một đoạn ngắn, công cụ trên trình duyệt của chúng tôi để gỡ băng phỏng vấn online làm lượt đầu này mà không cần tài khoản: bạn tải một bản ghi âm lên và nó gỡ 5 phút đầu, gắn nhãn từng lượt nói là Speaker A, Speaker B… kèm mốc thời gian, và tự động nhận diện ngôn ngữ trong số 99 ngôn ngữ. Tệp tới 25 MB được gửi nguyên trạng; bản ghi dài hơn sẽ bị cắt còn 5 phút ngay trên trình duyệt trước khi gửi bất cứ thứ gì. Âm thanh và bản gỡ băng bị xóa tại nhà cung cấp ngay khi kết quả trả về, và bạn có ba lượt xem trước cho mỗi thiết bị mỗi ngày.
Chừng đó đủ để biết một công cụ có đáng dùng cho bản ghi âm nào đó hay không. Để gỡ cả buổi phỏng vấn trong một lần, với các lượt nói được gắn nhãn xuyên suốt và mọi bản gỡ băng được lưu trong thư viện có thể tìm kiếm, ứng dụng SozAI làm được việc đó: 30 phút đầu miễn phí. Xem cách gỡ băng phỏng vấn hoạt động để có bức tranh đầy đủ, hoặc tải ứng dụng.
Verbatim và verbatim sạch khác nhau thế nào?
Verbatim đầy đủ giữ mọi từ đúng như được nói: các tiếng “ừm”, câu nói dở, từ lặp, tiếng nói lắp và tiếng cười nghe được. Verbatim sạch giữ lời và ý của người nói nhưng bỏ các từ đệm, câu nói dở và chỗ lặp vô ý. Bản đã biên tập đi thêm một bước và chỉnh ngữ pháp, thứ tự câu cho dễ đọc, và chính vì thế nó không còn dùng được làm bằng chứng về những gì đã thực sự được nói.
- Verbatim đầy đủ: phân tích hội thoại, một số công việc pháp lý và làm bằng chứng.
- Verbatim sạch: phần lớn nghiên cứu định tính, báo chí, nghiên cứu người dùng.
- Đã biên tập: các bài đăng dạng hỏi và đáp.
| Mức | Giữ lại gì | Dùng điển hình |
|---|---|---|
| Verbatim đầy đủ | Mọi từ đúng như được nói: từ đệm, câu nói dở, từ lặp, nói lắp, âm thanh nghe được | Phân tích hội thoại, một số công việc pháp lý và làm bằng chứng |
| Verbatim sạch | Lời và ý của người nói, bỏ từ đệm và câu nói dở | Phần lớn nghiên cứu định tính, báo chí, nghiên cứu người dùng |
| Đã biên tập | Ngữ pháp và thứ tự câu được chỉnh cho dễ đọc | Các bài đăng dạng hỏi và đáp |
Nếu bản gỡ băng dùng cho một dự án nghiên cứu chứ không phải một bài đăng, hãy quyết định điều này trước buổi phỏng vấn đầu tiên, không phải sau buổi thứ năm: đổi mức giữa chừng nghĩa là phải làm lại các bản gỡ trước đó cho khớp. Khía cạnh riêng của nghiên cứu, gồm sự đồng ý, ẩn danh hóa và lưu trữ, được nói trong gỡ băng phỏng vấn cho nghiên cứu.
Viết bản gỡ băng phỏng vấn như thế nào?
Hãy bắt đầu bằng một bảng chú giải: mức verbatim, các ký hiệu bạn dùng và cách gắn nhãn người nói, ghi ở đầu tài liệu trước dòng lời nói đầu tiên. Bất kỳ ai mã hóa hay trích dẫn bản gỡ băng về sau đều cần bảng này, và chính bạn cũng sẽ cần, vài tuần sau, khi đã quên (.) có nghĩa là gì.
Hệ thống nổi tiếng nhất cho các bản gỡ băng chi tiết đến từ Gail Jefferson, trình bày trong Glossary of transcript symbols with an introduction (2004) của bà. Theo tóm tắt của Clift, Kendrick, Raymond và Robinson (2024), dấu ngoặc vuông trái đánh dấu điểm bắt đầu lời nói chồng nhau, dấu bằng nối các lời nói không có khoảng hở giữa chúng, một con số trong ngoặc đơn như (0.5) là quãng im lặng được đo bằng giây, và (.) đánh dấu một quãng ngắt quá ngắn để đo. Các nguồn không thống nhất chính xác thế nào là một quãng ngắt cực ngắn, nên nếu bảng chú giải của bạn dùng (.) thì nó phải nói rõ bạn muốn nói gì.
Đa số dự án phỏng vấn không cần mức chi tiết đó và dễ đọc hơn khi không có nó. Một quy ước dùng ngoặc vuông bao quát những gì thực sự xảy ra: [inaudible 00:12:31] cho đoạn bạn không nghe ra, kèm mốc thời gian để tìm lại; [crosstalk] khi hai người nói chồng lên nhau; [laughs] và các sự kiện không phải lời nói khác trong ngoặc vuông; và một nhãn người nói ở đầu mỗi lượt nói.
| Ký hiệu | Ý nghĩa | Hệ thống |
|---|---|---|
| [ | Điểm bắt đầu lời nói chồng nhau | Kiểu Jefferson |
| = | Lời nói nối liền không có khoảng hở (latching) | Kiểu Jefferson |
| (0.5) | Quãng im lặng được đo, tính bằng giây | Kiểu Jefferson |
| (.) | Quãng ngắt quá ngắn để đo | Kiểu Jefferson |
| [inaudible 00:12:31] | Đoạn không nghe ra, kèm mốc thời gian | Ngoặc vuông |
| [crosstalk] | Hai người nói cùng lúc | Ngoặc vuông |
| [laughs] | Âm thanh không phải lời nói | Ngoặc vuông |
Ngoài ký hiệu, hướng dẫn của UK Data Service về gỡ băng nói rằng bản gỡ băng nên có một mã định danh duy nhất, dùng bố cục thống nhất trong cả dự án, dùng thẻ người nói để thể hiện việc luân phiên lượt nói, và giữ nguyên các ngắt dòng: những điều nhỏ, nhưng chính chúng giúp bạn tìm và so sánh các bản gỡ về sau thay vì đọc lại tất cả.
Nhãn người nói là những cái tên mà phần mềm gỡ băng không thể biết: hãy chờ Speaker A và Speaker B, rồi tự đổi tên khi biết ai là ai. Gắn nhãn người nói nhất quán hướng dẫn cách làm điều đó trong cả dự án mà không để tên bị lệch giữa các tệp.
Hãy ẩn danh hóa ngay trong lúc làm, đừng để sau: thay tên và chi tiết nhận dạng bằng các từ giữ chỗ nhất quán như [Participant 2] hoặc [city] ngay trong bản gỡ băng, và giữ bảng đối chiếu từ giữ chỗ với tên thật trong một tệp riêng. Ghi âm một người hầu như ở đâu cũng cần sự đồng ý của họ, và hội đồng đạo đức nghiên cứu thường muốn có sự đồng ý đó bằng văn bản; việc gỡ băng bản ghi âm không thay đổi yêu cầu này.
Gỡ băng một buổi phỏng vấn mất bao lâu?
Làm thủ công, hãy tính theo giờ chứ không phải phút. Hướng dẫn lịch sử truyền khẩu của Texas Tech University Libraries nói ngay cả người gỡ băng có kinh nghiệm thường làm ở mức sáu giờ gõ cho mỗi giờ âm thanh. Một hướng dẫn môn học của Cornell University đưa ra mức thấp hơn, từ bốn đến sáu giờ cho mỗi giờ ghi âm: chênh lệch chủ yếu do âm thanh sạch đến đâu và có bao nhiêu ký hiệu được thêm vào trong quá trình làm.
Bản gỡ băng tự động thay đổi nơi thời gian được dùng chứ không làm nó biến mất. Bản nháp trả về trong vài phút; còn lại là nghe và đối chiếu với bản ghi âm, sửa tên riêng và thuật ngữ, chỉnh lại ai nói gì ở chỗ nhãn bị chéo nhau, và thêm ký hiệu mà dự án cần. Với một buổi phỏng vấn một giờ, đó vẫn là công việc thật, chỉ là loại khác: gỡ băng thực sự mất bao lâu phân tích thêm điều này.
ChatGPT có gỡ băng phỏng vấn được không?
Chatbot có chuyển được tệp âm thanh thành văn bản hay không tùy sản phẩm, nhưng bản gỡ băng phỏng vấn cần hơn là văn bản: mốc thời gian để quay lại và các lượt nói của từng người mà bạn tin được, đó là điều một công cụ gỡ băng được xây dựng để tạo ra. Chatbot có chỗ đứng sau bước đó, để chỉnh sửa, tóm tắt hoặc định dạng lại một bản gỡ băng bạn đã có.
Dù thế nào, văn bản tự động cũng phải được đối chiếu với bản ghi âm trước khi trích dẫn, và bước kiểm tra đó là phần không công cụ nào loại bỏ được.
Một công cụ nhất định cần kiểm tra nhiều đến mức nào thì khác nhau khá nhiều. Độ chính xác của gỡ băng bằng AI nói về những gì nên mong đợi và lỗi thường tập trung ở đâu.
Bản gỡ băng tự động thực sự sai ở đâu
Bản gỡ băng tự động là một bản nháp, và cách rõ nhất để hiểu điều đó là chạy thử một bản và đọc nó đối chiếu với bản ghi âm. Ngày 2 tháng 10 năm 2026 chúng tôi đã làm đúng như vậy, trên 5 phút đầu của một bản ghi âm công khai mà ai cũng có thể kiểm tra với bài viết này.
Chúng tôi chạy công cụ đứng sau công cụ phỏng vấn của SozAI trên 5 phút đầu (300 giây) của podcast Houston We Have a Podcast của NASA Johnson Space Center, tập 180, “Artemis Mission Management”, người dẫn Gary Jordan và khách mời Mike Sarafin: một tác phẩm của NASA, nên không được bản quyền bảo hộ. Nó trả về 778 từ, nhận ra tiếng Anh và tìm thấy 2 người nói. Những dòng mở đầu, đúng như công cụ đã trình bày:
[00:00] Speaker A: Houston, we have a podcast. Welcome to the official podcast of the NASA Johnson Space Center, episode 180, Artemis Mission Management. I'm Gary Jordan, and I'll be your host today. [01:19] Speaker B: T-minus five seconds and counting. Mark. [01:22] Speaker A: Launch commit lights are correct. There she goes. Houston. We have a podcast. Mike Serafin, thanks for coming on Houston, We Have a Podcast today. [01:36] Speaker B: Thank you. It's a pleasure to be here to talk about these exciting Artemis missions we have ahead of us. Yeah, right? [01:43] Speaker A: Returning to the Moon. Not a bad thing to be a part of.
Ba điều chỉ trong năm lượt nói đó cần một lượt rà soát của con người. Màn đếm ngược phóng tàu lúc 01:19 và “Launch commit lights are correct. There she goes.” lúc 01:22 là âm thanh lưu trữ của một lần phóng được ghép vào podcast, không phải người dẫn hay khách mời đang nói: công cụ vẫn gắn nhãn chúng là Speaker B và Speaker A. “Yeah, right?” ở cuối lượt nói lúc 01:36 thực ra là người dẫn tiếp lại cuộc trò chuyện; nó thuộc về đầu lượt kế tiếp, không phải cuối lượt của khách mời. Và họ của khách mời ở đây ra là Serafin, trong khi phần giới thiệu của chính tập này viết là Sarafin.
Một lượt nói sau đó cho thấy verbatim sạch dùng để làm gì. Kết quả của công cụ lúc 02:51 là: “Yes, so you’re, you’re right in that I lived in the operations realm for 22 of my 27 years in, in my NASA career.” Một lượt biên tập verbatim sạch biến nó thành: “You’re right in that I lived in the operations realm for 22 of my 27 years in my NASA career.” Verbatim đầy đủ sẽ giữ nguyên các chỗ lặp đúng như chúng xuất hiện; công cụ này, nếu có gì, thiên về giữ chúng: nó giữ lại phần lớn chỗ lặp và câu nói dở trong cả tệp (“you’re, you’re right”, “in, in my NASA career”, “That’s, that’s quite a number of”), khiến kết quả của nó gần với verbatim hơn là verbatim sạch. Nếu một dự án cần verbatim sạch, hãy dự trù một lượt biên tập dù công cụ nào tạo ra bản nháp.
