Amazon Transcribe: Thiết lập, Tính năng và Trường hợp sử dụng

Hãy tưởng tượng bạn có hàng giờ cuộc gọi chăm sóc khách hàng, cuộc họp hoặc phỏng vấn cần được chép lại. Gõ thủ công sẽ mất gần như vô tận. Amazon có một giải pháp với Amazon Transcribe, như bạn sẽ thấy trong bài viết này, đây là một dịch vụ nhận dạng giọng nói dùng AI rất ấn tượng, chuyển lời nói thành văn bản.

Tôi cũng sẽ nói về cách thức hoạt động của nó, cách Amazon Transcribe được vận hành bởi một mô hình nền tảng nhận dạng giọng nói với hàng tỷ tham số/một hệ thống AI tiên tiến được huấn luyện trên khối lượng dữ liệu âm thanh khổng lồ. Nhờ quy mô này, Transcribe có thể hiểu nhiều kiểu phát âm, giọng vùng miền, thuật ngữ phức tạp và phương ngữ.

Trải nghiệm sử dụng Amazon Transcribe

Hãy đi sâu hơn vào cách nó hoạt động. Như đã nói, Amazon Transcribe sử dụng các mô hình học sâu tiên tiến để xử lý dữ liệu âm thanh và tạo ra bản chép chính xác, có dấu thời gian. Cách thức hoạt động có thể được hiểu qua các thành phần cốt lõi của nó.

Trước hết, bạn có thể cung cấp cả đầu vào âm thanh theo lô lẫn phát trực tuyến để chép thời gian thực. Vì vậy có sự linh hoạt về các trường hợp sử dụng mà nó có thể xử lý.

Các thành phần cốt lõi của Amazon Transcribe. Nguồn ảnh: Napkin AI

Bạn có thể chọn các mô hình theo lĩnh vực vì Amazon Transcribe có thể thích ứng với môi trường, như phòng thu yên tĩnh hoặc trung tâm cuộc gọi nhộn nhịp.​

Amazon Transcribe có thể tự động phát hiện ngôn ngữ được nói trong tệp âm thanh hoặc luồng trực tiếp của bạn. Không cần chọn ngôn ngữ thủ công trước. Nó nhận biết ngôn ngữ chính đang được sử dụng, thậm chí còn có thể phát hiện khi người nói chuyển đổi giữa nhiều ngôn ngữ và chép lại mọi thứ chính xác.

Điều này rất phù hợp cho:

• Cuộc gọi khách hàng nơi mọi người có thể nói các ngôn ngữ khác nhau
• Thư viện nội dung truyền thông với nhiều ngôn ngữ
• Kiểm tra xem video/podcast của bạn đã được gắn nhãn đúng ngôn ngữ hay chưa.

Các tính năng chính của Amazon Transcribe

Có nhiều tính năng khiến Amazon Transcribe trở thành một công cụ mạnh mẽ, một số được đề cập dưới đây. 

Các tính năng của Amazon Transcribe. Nguồn ảnh: Napkin AI

Mỗi người có nhu cầu chép âm khác nhau. Để đáp ứng, Transcribe có thể xử lý tệp âm thanh theo lô cũng như thời gian thực cho phát trực tuyến. Ngoài ra, người dùng có thể phát triển từ vựng và mô hình ngôn ngữ chuyên biệt để cải thiện độ chính xác. Điều này hữu ích khi làm việc với chữ viết tắt, tiếng lóng theo ngành, hoặc thuật ngữ ít gặp.

Nhận diện người nói là một tính năng bổ sung giúp phân biệt rõ nhiều người nói trong hội thoại. Tôi nghĩ điều này sẽ rất hữu ích trong các cuộc họp hoặc phỏng vấn. Chính xác hơn, điều này được gọi là phân đoạn người nói (speaker diarization).

Transcribe cũng cung cấp sàng lọc nội dung và làm mờ tự động cho các công ty xử lý dữ liệu nhạy cảm. Điều này có nghĩa là các thông tin PII như tên, địa chỉ và số thẻ tín dụng sẽ được che để tuân thủ. Dịch vụ cũng có thể xác định và gắn cờ nội dung xúc phạm, như đe doạ và ngôn từ thù địch. 

Cuối cùng nhưng không kém phần quan trọng, Transcribe có thể kết nối với nhiều dịch vụ AWS khác. Điều này đúng như kỳ vọng vì AWS nổi tiếng về khả năng này. Tương thích với các dịch vụ như Amazon S3 để lưu trữ, Amazon Comprehend để phân tích cảm xúc và AWS Lambda để tự động hóa.

Trường hợp sử dụng của Amazon Transcribe

Amazon Transcribe được thiết kế linh hoạt nên có rất nhiều trường hợp sử dụng. Tôi sẽ đi vào một số trường hợp chính, nhưng không thể liệt kê đầy đủ.

Các trường hợp sử dụng của Amazon Transcribe. Nguồn ảnh: Napkin AI

Phân tích cuộc gọi & hỗ trợ tác vụ cho điện thoại viên

Với Amazon Transcribe Call Analytics, bạn có thể trích xuất những thông tin có thể hành động từ cuộc trò chuyện với khách hàng. Phân tích này có thể được dùng để giám sát hiệu suất điện thoại viên, xây dựng chương trình đào tạo tùy chỉnh, tối ưu hoá nhân sự và cải thiện mức độ hài lòng của khách hàng. 

Phụ đề & chú thích

Bạn có thể tự động tạo phụ đề cho nội dung của mình nhằm tăng khả năng tiếp cận và tương tác của khán giả.  Tùy chỉnh ngôn ngữ và lọc nội dung có thể giúp bạn bảo vệ quyền riêng tư của khách hàng hoặc đảm bảo ngôn ngữ phù hợp với khán giả, từ đó tăng hiệu quả cho trường hợp sử dụng của bạn.

Y tế & tài liệu lâm sàng

Với Amazon Transcribe Medical, các chuyên gia y tế có thể dễ dàng chép lại các cuộc trao đổi với bệnh nhân. Điều này hỗ trợ lưu trữ hồ sơ và tuân thủ. AI còn được biết đến với khả năng xử lý thuật ngữ y khoa phức tạp, đây cũng là một lợi thế lớn.

Tài liệu pháp lý

Phân tích pháp lý là một trường hợp sử dụng tuyệt vời của Amazon Transcribe. Khi phát trực tiếp các phiên tòa đang dần trở nên bình thường mới, các hãng luật hoàn toàn có thể tạo bản ghi chính xác của những phiên tòa như vậy - chép lại lời khai, phán quyết và tranh luận.

Tôi hình dung điều này sẽ giúp giảm lỗi ghi chú (rất quan trọng trong pháp lý), tăng tốc độ xem xét hồ sơ và thậm chí hỗ trợ phát hiện các mẫu quan trọng trong xu hướng kiện tụng bằng tìm kiếm và phân tích dùng AI. Nói vậy, tôi cũng cần làm rõ rằng Transcribe không được chứng nhận cho việc lưu trữ hồ sơ pháp lý chính thức ở mọi khu vực tài phán.

So sánh Amazon Transcribe với các lựa chọn thay thế

Amazon Transcribe có rất nhiều tính năng, nhưng tùy nhu cầu và ngân sách cụ thể, bạn cũng nên xem qua một vài lựa chọn thay thế:

• Whisper (OpenAI) trên EC2: Mô hình ASR tự lưu trữ, thường tiết kiệm chi phí hơn, đặc biệt với khối lượng chép lớn. Tuy nhiên, điều đó đồng nghĩa với việc bạn phải tự quản lý hạ tầng.
• Deepgram: Lựa chọn dựa trên đám mây cung cấp chép thời gian thực và mức giá cạnh tranh, phù hợp cho những ai muốn giải pháp được quản lý hoàn toàn.
• Azure Speech-to-Text & Google Speech-to-Text: Các nhà cung cấp lớn này cũng cung cấp dịch vụ tương tự, mỗi bên có mô hình giá và tùy chọn tích hợp riêng. 

Một số người dùng đã thành công trong việc giảm chi phí bằng cách chạy Whisper cục bộ hoặc tự lưu trữ các mô hình ASR trên AWS EC2. Tuy nhiên, quản lý hạ tầng cũng có những thách thức riêng, và đó là điều đáng cân nhắc.

Bắt đầu với Amazon Transcribe

Quy trình đơn giản để bắt đầu với dịch vụ này được mô tả bên dưới. 

Bắt đầu với Amazon Transcribe. Nguồn ảnh: Napkin AI

Bước 1: Đăng ký AWS

Trước tiên: Tạo tài khoản AWS của bạn. Tin tốt là bạn sẽ nhận được 60 phút chép miễn phí mỗi tháng trong năm đầu tiên.

Bước 2: Tải âm thanh lên S3

Tiếp theo, tải tệp âm thanh của bạn vào một bucket Amazon S3. Hãy coi S3 như không gian lưu trữ đám mây cá nhân cho tất cả tệp của bạn.

Bước 3: Bắt đầu một tác vụ chép

Truy cập Amazon Transcribe trong AWS Console.  Chọn giữa xử lý theo lô hoặc chép thời gian thực. Đừng quên chọn ngôn ngữ, bật nhận diện người nói nếu cần và thêm bất kỳ từ vựng tùy chỉnh nào để tăng độ chính xác.

Bước 4: Lấy bản chép của bạn

Khi tác vụ hoàn tất, bạn có thể lấy đầu ra bản chép ở định dạng TXT, JSON hoặc SRT. Tùy theo nhu cầu dự án của bạn.

Bước 5: Tích hợp với các dịch vụ AWS khác

Bạn có thể tiến xa hơn bằng cách kết nối với Amazon Comprehend để phân tích cảm xúc hoặc Amazon Translate nếu muốn tạo bản chép ở ngôn ngữ khác.

Giá của Amazon Transcribe

Amazon Transcribe tính phí theo mô hình trả theo mức sử dụng, với chi phí dựa trên tổng độ dài âm thanh được chép.

• Bậc miễn phí: Khách hàng AWS mới có thể chép tối đa 60 phút mỗi tháng miễn phí trong mười hai tháng đầu.​
• Giá tiêu chuẩn: Sau bậc miễn phí, chi phí được tính dựa trên thời lượng âm thanh, và mức giá thay đổi tùy khu vực và mức sử dụng. API Amazon Transcribe cho cả chép phát trực tuyến và theo lô được tính hàng tháng theo mức giá bậc thang, có thể xem tại đây. 
• Mẹo tối ưu chi phí: Bạn có thể nén tệp âm thanh để rút ngắn thời lượng cần chép và giảm thời gian xử lý. Chi phí sẽ giảm nếu bạn giảm tổng thời lượng âm thanh, đây là yếu tố tính phí chính. Ngoài ra, hãy cân nhắc sử dụng mô hình ngôn ngữ tùy chỉnh để cải thiện độ chính xác, giúp giảm nhu cầu chỉnh sửa thủ công.​

Ưu và nhược điểm của Amazon Transcribe

Luôn là ý tưởng hay khi đánh giá dựa trên nhu cầu, ngân sách và ngăn xếp công nghệ hiện tại của bạn. 

Kết luận

Nếu bạn đang cân nhắc sử dụng Amazon Transcribe, điều quan trọng là đánh giá kỹ các yêu cầu cụ thể. Nếu ưu tiên hàng đầu là quản lý chi phí hoặc hạ tầng, tìm hiểu các lựa chọn thay thế như mô hình ASR tự lưu trữ có thể hợp lý. Tận dụng AWS Free Tier và áp dụng các chiến lược tiết kiệm chi phí có thể giúp bạn khai thác tối đa dịch vụ.

Nếu bạn chưa quen với các sản phẩm và dịch vụ Amazon cũng như hệ sinh thái nói chung, chúng tôi có sẵn tài nguyên cho bạn:

1. AWS Concepts: Khám phá thế giới Amazon Web Services (AWS) và hiểu vì sao nó dẫn đầu lĩnh vực điện toán đám mây.
2. AWS Cloud Technology & Services: Nắm vững công nghệ đám mây AWS với học tập thực hành và ứng dụng thực tế trong hệ sinh thái AWS.
3. AWS Cloud Practitioner Certification (CLF-C02): Chứng minh kiến thức nền tảng của bạn về dịch vụ đám mây AWS và điện toán đám mây.