Tôi làm truyền thông cho một trường đại học ở Hà Nội. Mỗi tuần tôi phụ trách một podcast nội bộ dài 35 đến 45 phút, gồm phần giới thiệu, phần phỏng vấn và phần kết. Trước đây tôi cắt bằng phần mềm chỉnh sửa video truyền thống. Một tập ngốn của tôi gần bốn tiếng: nghe lại, ghi chú timecode, cắt từng đoạn ừ, à, lặp từ, rồi ghép lại. Có tuần tôi bỏ sót một câu nói lỡ của khách mời, phải xuất bản lại và xin lỗi. Đó là lý do tôi thử Descript.
Ngày đầu tiên: kéo tệp vào và nhìn thấy chữ
Tôi chọn một tập cũ đã có bản ghi âm sạch, dài 42 phút. Tôi tạo tài khoản, tải tệp MP3 lên. Descript tự động chuyển giọng nói thành văn bản, tiếng Việt nhận diện khá ổn với giọng miền Bắc, nhưng tên riêng và từ chuyên ngành thì sai nhiều. Ví dụ cụm “chuyển đổi số” bị nhận thành “chuyển đổi sổ”, tên một giảng viên bị viết sai hai lần. Tôi phải sửa bằng tay khoảng 15 chỗ trong 42 phút ghi âm. Mất chừng 12 phút cho lần sửa đầu, sau đó tôi lưu vào mục từ điển cá nhân để lần sau Descript nhớ.
Điều khiến tôi ở lại với công cụ này là thao tác xóa. Tôi bôi đen một câu trong bản văn bản, bấm xóa, và đoạn âm thanh tương ứng biến mất khỏi timeline. Không cần nghe lại để dò timecode. Cảm giác lần đầu hơi lạ. Như đang sửa một bài luận nhưng thứ biến mất lại là tiếng nói.
Tập podcast thật: cắt 11 phút chỉ bằng chuột
Ngày thứ ba, tôi xử lý một tập phỏng vấn dài 48 phút về chuyển đổi số trong dạy học. Khách mời nói khá nhanh, hay lặp từ “kiểu như là”, có một đoạn lan sang chuyện cá nhân không liên quan. Tôi mở bản văn bản, đọc lướt như đọc một bài báo. Chỗ nào thấy “kiểu như là” lặp ba lần liên tiếp, tôi xóa hai lần. Đoạn nói về con cái của khách mời, tôi xóa cả khối, độ dài khoảng 4 phút. Tổng cộng tôi cắt 11 phút 20 giây. Thời gian thao tác chưa tới 40 phút. Trước đây riêng việc đó đã mất gần hai tiếng.
Tôi cũng dùng tính năng Studio Sound để giảm tiếng ồn điều hòa trong phòng thu. Nó hoạt động tốt. Nhưng làm giọng hơi khô ở những đoạn khách mời nói nhỏ. Tôi phải tắt ở các đoạn đó và giữ nguyên âm gốc.
Chỗ chưa ổn: bản dịch và phụ đề
Descript có tính năng tạo phụ đề tự động. Nhưng khi xuất file SRT cho tiếng Việt, dấu câu bị đặt sai chỗ. Có câu dài 9 giây bị chia thành ba dòng, dòng thứ hai kết thúc giữa cụm “sinh viên năm thứ”. Tôi phải mở file SRT ra sửa tay. Nếu tập podcast cần phụ đề tiếng Anh cho khách quốc tế, tôi vẫn phải làm ngoài. Bản dịch tự động của Descript sang tiếng Anh đọc được. Nhưng khá cứng, kiểu dịch máy.
Một lần thất bại đáng nhớ: tôi tải lên một tệp ghi âm phỏng vấn qua điện thoại, chất lượng kém, có tiếng xe máy ngoài đường. Descript nhận diện sai gần 40% nội dung. Tôi thử sửa nhưng càng sửa càng rối. Cuối cùng phải tự gõ lại từ đầu. Kinh nghiệm rút ra là chỉ nên đưa vào Descript những tệp thu âm tương đối sạch, thu bằng micro hoặc điện thoại trong phòng kín. Tệp ngoài trời, nhiều tạp âm thì nên xử lý riêng trước.
Chi phí thật và cách tôi dùng hằng tuần
Gói miễn phí cho 1 giờ chuyển văn bản mỗi tháng. Quá ít với một tập 45 phút cộng thêm bản nháp. Tôi nâng lên gói Creator, khoảng 500.000 đồng một tháng. Với một người làm podcast đều đặn, mức đó chấp nhận được. Vì tiết kiệm khoảng 2 đến 3 giờ cho mỗi tập, tương đương nửa ngày làm việc. Tôi thường làm theo trình tự: tải tệp lên buổi chiều, sửa lỗi chính tả trong bản văn bản, đọc lướt để cắt các đoạn thừa, nghe lại một lượt ở tốc độ 1.5x để kiểm tra, rồi xuất bản MP3 và file phụ đề.
Điều tôi thích nhất ở cách làm này là tôi không còn phải vừa nghe vừa đoán. Tôi đọc, hiểu, rồi cắt. Việc chỉnh sửa podcast trở thành một công việc gần với biên tập chữ hơn là kỹ thuật âm thanh. Nhưng nó cũng đòi hỏi tôi phải cẩn thận hơn với tiếng Việt. Chỉ cần xóa nhầm một chữ trong bản văn bản là âm thanh tương ứng cũng mất theo, đôi khi khiến câu nói mất nghĩa. Sau vài lần tôi luôn nghe lại đoạn vừa sửa trước khi xuất bản.
Vài điều tôi vẫn làm thủ công
Tôi không dùng Descript để tạo nhạc nền hay hiệu ứng chuyển cảnh. Những thứ đó tôi vẫn làm ở phần mềm khác. Tôi cũng không giao toàn bộ khâu duyệt nội dung cho công cụ. Bản văn bản giúp tôi nhìn thấy mọi câu nói của khách mời. Nhưng việc quyết định giữ hay bỏ vẫn là của tôi. Có câu nghe thì bình thường, đọc lên mới thấy nhạy cảm, và tôi phải cân nhắc. Công cụ không thay được phần đó.
Sau một tuần làm thật, tôi thấy Descript phù hợp với người làm truyền thông như tôi, nhất là khi phải ra podcast đều đặn. Nó không biến tôi thành kỹ thuật viên âm thanh, nhưng nó biến việc chỉnh sửa thành một thao tác gần gũi hơn với nghề viết. Nếu bạn đang làm podcast nội bộ hoặc phỏng vấn dài, đây là cách đáng thử. Chỉ cần chuẩn bị tinh thần sửa lỗi chính tả tiếng Việt bằng tay ở giai đoạn đầu, và đừng kỳ vọng phụ đề tự động hoàn hảo.
Câu hỏi thường gặp
Descript có nhận diện tốt tiếng Việt không?
Với giọng miền Bắc và âm thanh sạch, Descript nhận diện khá ổn. Nhưng tên riêng và từ chuyên ngành thường sai, bạn nên dành 10-15 phút sửa tay cho mỗi 40 phút ghi âm.
Gói Creator của Descript giá bao nhiêu?
Khoảng 500.000 đồng một tháng. Gói này cho phép chuyển văn bản không giới hạn trong thời gian dùng, phù hợp nếu bạn ra podcast đều đặn mỗi tuần.
Tôi có nên dùng Descript cho file ghi âm ngoài trời?
Không nên. File có nhiều tạp âm như tiếng xe, tiếng gió sẽ bị nhận diện sai rất nhiều, có khi tới 40%. Bạn nên xử lý nhiễu trước bằng phần mềm khác rồi mới đưa vào Descript.
Đọc thêm: Chủ shop nhỏ tự làm banner Lazada 11/11 bằng Canva trong 40 phút
