Phụ đề trực tiếp cho
creator toàn cầu

MirrorCaption truyền trực tiếp bản ghi và bản dịch theo thời gian thực sang 50+ ngôn ngữ trong các cuộc gọi Zoom, Google Meet và Teams trên trình duyệt — hoặc giao tiếp trực tiếp qua micro của điện thoại bạn. Dùng thử miễn phí 1 giờ, không cần thẻ tín dụng.

Bạn vừa chốt được một buổi collab với một creator Hàn Quốc có kênh ẩm thực sở hữu hai triệu người đăng ký. Cô ấy rất hào hứng — bạn nghe ra điều đó. Cô ấy trả lời câu hỏi đầu tiên của bạn rất dài, 35 giây tiếng Hàn mà bạn có thể nhận ra là đầy cảm xúc và chi tiết. Bạn mỉm cười. Bạn gật đầu. Bạn hoàn toàn không biết cô ấy vừa nói gì. Và bạn vẫn còn 47 phút phỏng vấn nữa.

Phần lớn quy trình ghi âm thành văn bản dành cho creator chỉ giải quyết vấn đề sau sản xuất. Tải bản ghi lên, chờ đợi, rồi nhận transcript. Điều đó hữu ích cho việc biên tập, nhưng không giúp bạn đặt câu hỏi tiếp theo ở phút thứ ba. MirrorCaption có mặt ngay khi cuộc trò chuyện đang diễn ra.

Hai kiểu ghi âm thành văn bản — và vì sao hầu hết công cụ cho creator bỏ lỡ khoảnh khắc đó

Phần lớn công cụ ghi âm thành văn bản cho creator được xây dựng cho phòng dựng, không phải phòng thu. Có một khác biệt quan trọng:

Ghi âm thành văn bản sau sản xuất — bạn quay video, tải tệp lên hoặc xử lý tệp, rồi nhận transcript sau đó. Các công cụ như Descript, Sonix, Happy Scribe và Rev mạnh nhất ở đây: mốc thời gian, nhãn người nói, xuất file gọn gàng, quy trình chỉnh sửa. Nhưng sự hỗ trợ đó thường đến sau khi cuộc trò chuyện đã trôi qua.

Ghi âm thành văn bản theo thời gian thực — phụ đề xuất hiện khi từng từ được nói ra, chậm hơn người nói dưới 500ms. Otter.ai làm điều này cho các cuộc họp chủ yếu bằng tiếng Anh. MirrorCaption làm điều này trên 50+ ngôn ngữ với chế độ hiển thị song song nguyên bản và bản dịch — vì vậy nếu khách mời của bạn trả lời bằng tiếng Hàn, bạn sẽ thấy văn bản tiếng Hàn ở cột trái và bản dịch tiếng Anh ở cột phải, đồng thời.

Khoảng trống rất cụ thể: khi một khách mời không nói tiếng Anh trả lời câu hỏi của bạn ở phút thứ tám, không công cụ hậu kỳ nào giúp bạn đặt câu hỏi tiếp theo hiển nhiên ở phút thứ chín. Đó chính là khoảnh khắc MirrorCaption được tạo ra để phục vụ. Xem thêm: phụ đề trực tiếp vs. transcript — khác biệt thực sự là gì.

MirrorCaption hoạt động thế nào cho creator nội dung

MirrorCaption chạy hoàn toàn trong trình duyệt của bạn — không tải xuống, không tiện ích mở rộng, không bot tham gia cuộc gọi và xuất hiện trong danh sách người tham gia của mọi người.

Chế độ Meet — cho cuộc gọi video trên trình duyệt

Mở MirrorCaption trong một tab thứ hai trên Chrome hoặc Microsoft Edge trên máy tính. Chọn chế độ Meet, rồi chia sẻ tab trình duyệt Zoom, Google Meet hoặc Teams của bạn. MirrorCaption thu âm thanh từ tab đó cùng với micro của bạn và bắt đầu truyền bản ghi ngay lập tức. Chọn ngôn ngữ của người nói và ngôn ngữ dịch bạn muốn — chế độ hiển thị song song cập nhật từng từ khi khách mời nói.

Chế độ Talk — cho buổi gặp creator trực tiếp

Quay collab trực tiếp? Mở MirrorCaption trong Chrome trên điện thoại, chuyển sang chế độ Talk, và đặt nó giữa hai người trên bàn. Cả hai người nói đều đọc được lời của nhau theo thời gian thực. Không cần cài app. Không lo về gói dữ liệu ngoài việc dùng trình duyệt bình thường.

Sau phiên làm việc

Khi bạn dừng phiên, toàn bộ transcript là của bạn — sao chép vào clipboard, xuất dưới dạng văn bản thuần, hoặc tải xuống dưới dạng Markdown. Nhãn người nói cho biết ai đã nói gì. Mốc thời gian đánh dấu từng đoạn. Bạn có thể tìm kiếm trong transcript và nhảy đến bất kỳ thời điểm nào.

Đây cũng là quy trình hoạt động cho các nhóm từ xa đa ngôn ngữ — chỉ là được áp dụng cho thiết lập phỏng vấn creator của bạn.

Kịch bản phỏng vấn mà mọi creator có khán giả toàn cầu đều biết

Hãy xem hai phiên bản của cùng một cuộc phỏng vấn.

Không có MirrorCaption: Ji-ho, một creator game người Hàn Quốc, trả lời câu hỏi của bạn về kiệt sức bằng một câu trả lời mà bạn có thể nhận ra — từ giọng điệu, cử chỉ của cô ấy — là một câu trả lời sâu sắc, mang tính cá nhân. Bạn không nói tiếng Hàn. Bạn hỏi câu tiếp theo theo kịch bản rồi chuyển sang phần khác. Sau đó, khi transcript xuất hiện, bạn mới biết cô ấy đã kể về một quãng nghỉ 90 ngày cụ thể khỏi việc phát trực tiếp và khoảnh khắc chính xác cô ấy quyết định quay lại. Câu hỏi tiếp theo của bạn lẽ ra có thể là phân đoạn hấp dẫn nhất trong video. Bạn sẽ không bao giờ biết, vì cuộc trò chuyện đã đi tiếp.

Có MirrorCaption: Khi Ji-ho nói, bạn thấy lời của cô ấy hiện bằng tiếng Hàn ở cột bên trái — và bản dịch tiếng Anh ở bên phải, trong vòng nửa giây. Bạn đọc được: "Tôi đã rời xa việc phát trực tiếp 90 ngày… khoảnh khắc tôi quay lại là khi tôi nhận ra mình làm điều đó vì lượt xem, chứ không phải vì niềm vui." Bạn ngắt lời. "Khoan — bạn có thể nói rõ hơn về khoảnh khắc đó không?" Cuộc phỏng vấn rẽ hướng.

Khi một khách mời người Nhật nói「ちょっと難しいです」và bạn thấy "A little difficult" xuất hiện bên cạnh nguyên bản, bạn biết — nếu bạn từng sống ở Nhật — rằng đây là cách nói giảm nhẹ lịch sự cho một quan điểm mạnh hơn. Văn bản gốc vẫn ở trên màn hình. Bạn có thể hỏi sâu hơn. Bản dịch thôi là chưa đủ; chế độ hiển thị song song mới là thứ cho bạn toàn bộ ngữ cảnh.

Đây là điều phân biệt dịch theo thời gian thực với ghi âm thành văn bản sau sản xuất. Bạn không chỉ đang đọc điều đã được nói. Bạn đang đọc điều đang được nói — trong khi vẫn còn 45 phút để điều hướng cuộc trò chuyện.

Bạn có thể làm gì với transcript sau đó

Transcript của phiên làm việc không chỉ là phương án dự phòng — nó là lịch nội dung. Một buổi phỏng vấn creator 60 phút tạo ra:

• Ghi chú chương trình trong chưa đến 5 phút. Sao chép transcript, bỏ từ đệm, chia đoạn lại. Trích dẫn chính xác của khách mời đã có sẵn — không cần diễn giải lại.
• Nội dung mô tả YouTube. Các từ khóa mà khách mời dùng một cách tự nhiên — thuật ngữ ngách, tên sản phẩm, cụm từ cụ thể — đều có nguyên văn trong transcript. Dán chúng vào phần mô tả và chúng sẽ được lập chỉ mục đúng.
• Bản nháp bài blog. Dùng các câu trích từ transcript làm mốc cho từng phần. Một câu như "Tôi nhận ra mình làm điều đó vì lượt xem, chứ không phải vì niềm vui" có thể tổ chức cả một phần mà không cần nhớ lại từ đầu.
• Clip mạng xã hội. Tìm trong transcript những khoảnh khắc đắt giá 20 giây. Mốc thời gian cho bạn biết chính xác chỗ cần cắt.
• Công cụ xây dựng từ vựng. Nếu bạn là creator học ngôn ngữ, bạn có thể chạm vào bất kỳ từ đã dịch nào để xem nguyên bản — và lưu nó vào bộ học cá nhân của bạn. Buổi phỏng vấn của bạn cũng là một bài học.

Để xem sâu hơn về việc làm gì với transcript creator trên nhiều nền tảng, hãy xem hướng dẫn ghi âm thành văn bản đa ngôn ngữ của chúng tôi.

MirrorCaption không làm gì cho livestream (đọc phần này trước)

Đối với phụ đề dành cho người xem trong video cuối cùng, phụ đề tự động của YouTube hỗ trợ tiếng Anh sau khi tải lên. Với phụ đề đa ngôn ngữ, hãy xuất transcript từ MirrorCaption và thêm nó như một track SRT trong trình chỉnh sửa của bạn. Hướng dẫn của chúng tôi về cách có phụ đề trực tiếp trên bất kỳ cuộc gọi video nào trình bày chi tiết cả hai cách tiếp cận.

Giá — thực sự tốn bao nhiêu cho một creator

Phần lớn công cụ ghi âm thành văn bản dành cho creator tính phí hàng tháng. MirrorCaption thì không.

Phép tính rất rõ ràng: với €49 một lần, MirrorCaption hòa vốn so với Descript sau hai tháng và so với Otter sau ba tháng. Sau đó, mỗi tháng bạn không tốn gì — có thể nạp thêm Voice Pack với €2.99 cho 5 giờ nếu bạn cần nhiều hơn 200 giờ đã bao gồm trong gói Lifetime.

Descript là công cụ tốt hơn nếu bạn cần chỉnh sửa video bằng cách cắt transcript — đó thực sự là một quy trình khác. Nhưng để hiểu khách mời đa ngôn ngữ ngay trong lúc gọi, Descript không giúp gì cả.

Phụ đề cũng giúp video hoàn chỉnh dễ tìm kiếm, trích dẫn và tái sử dụng hơn. Một transcript có thể tìm kiếm — thứ bạn đã có từ MirrorCaption — cung cấp cho bạn văn bản thô để làm phụ đề, mô tả, ghi chú chương trình và clip.

Câu hỏi thường gặp

YouTube có tự động thêm phụ đề không?

Có, nhưng có giới hạn. YouTube tự động tạo phụ đề cho video dài đã tải lên và Shorts ở nhiều ngôn ngữ được hỗ trợ, nhưng chất lượng thay đổi và âm thanh đa ngôn ngữ có thể gây lỗi. Với livestream, phụ đề tự động chỉ hoạt động bằng tiếng Anh và không được giữ lại sau khi buổi phát kết thúc — một track phụ đề mới sẽ được tạo lại từ VOD và có thể khác với những gì đã xuất hiện trực tiếp. Với nội dung đa ngôn ngữ hoặc khách mời không nói tiếng Anh, hãy dùng một công cụ ghi âm thành văn bản theo thời gian thực riêng trong lúc ghi hình.

Làm sao để ghi âm thành văn bản một cuộc phỏng vấn Zoom với khách mời nói ngôn ngữ nước ngoài theo thời gian thực?

Mở MirrorCaption trong một tab thứ hai trên Chrome hoặc Edge máy tính. Chọn chế độ Meet và chia sẻ tab trình duyệt Zoom của bạn làm nguồn âm thanh. Chọn ngôn ngữ của khách mời làm ngôn ngữ nguồn và ngôn ngữ của bạn làm ngôn ngữ đích để dịch. Khi khách mời nói, MirrorCaption truyền bản ghi từng từ ở cột trái và bản dịch ở cột phải — không cần tải bản ghi lên, không phải chờ sau phiên làm việc.

Tôi có thể dùng MirrorCaption với OBS không?

MirrorCaption không phải là plugin OBS và không chèn phụ đề đã dịch lên luồng phát để người xem nhìn thấy. Nó hiển thị phụ đề theo thời gian thực trên màn hình của bạn trong một tab trình duyệt. Nếu bạn cần phụ đề dành cho người xem được tích hợp trực tiếp vào OBS, StreamTranslate (dựa trên đám mây, 30+ ngôn ngữ) hoặc LocalVocal (miễn phí, chạy cục bộ, 100+ ngôn ngữ) được tạo ra chuyên cho việc đó. MirrorCaption bổ trợ cho các công cụ đó — đó là thứ bạn dùng để hiểu một khách mời đa ngôn ngữ trong lúc phát, còn công cụ phụ đề cho stream sẽ xử lý những gì khán giả của bạn thấy.

MirrorCaption có lưu bản ghi hoặc âm thanh của tôi không?

Không. MirrorCaption truyền âm thanh từ trình duyệt của bạn để chuyển giọng nói thành văn bản theo thời gian thực và không lưu bản ghi âm trên máy chủ của MirrorCaption. Transcript được lưu cục bộ trong trình duyệt của bạn (IndexedDB). Khi bạn đóng phiên, luồng âm thanh trực tiếp sẽ kết thúc. Chỉ số phút sử dụng được ghi lại cho mục đích tính phí, không phải nội dung cuộc trò chuyện.

Có phiên bản miễn phí cho creator nội dung không?

Có. Mỗi tài khoản bắt đầu với 1 giờ miễn phí — một lần, không tự đặt lại hàng tháng, không cần thẻ tín dụng. Như vậy là đủ để thực hiện một buổi phỏng vấn creator hoàn chỉnh bằng bất kỳ ngôn ngữ nào. Nếu bạn cần thêm, gói Lifetime là €49 một lần cho 200 giờ, và có thể nạp thêm Voice Pack nếu dùng quá mức.