- YouTube tạo phụ đề tự động bằng nhận dạng giọng nói cho video thường và Shorts ở nhiều ngôn ngữ, trong đó có tiếng Việt. Phụ đề tự động khi phát trực tiếp hiện chỉ có tiếng Anh.
- YouTube ghi rõ phụ đề tự động có thể sai do phát âm, giọng địa phương, phương ngữ hay tiếng ồn, và khuyên người làm video luôn xem lại, sửa những chỗ sai.
- Lỗi hay gặp ngoài chữ sai: câu quá dài cho một dòng, hiện quá nhanh không kịp đọc, hai câu chồng thời gian lên nhau.
- Máy giúp tìm chỗ cần xem, nhưng chỉ người nghe lại mới biết máy nghe đúng hay sai.
Code trong bài là Python, chỉ dùng thư viện chuẩn; phần kiểm dùng thêm thư viện srt bản 3.5.3. Tệp phụ đề mẫu trong code là giả lập.
Phụ đề tự động là gì
Phụ đề tự động là phụ đề do máy tạo bằng công nghệ nhận dạng giọng nói: máy nghe âm thanh, đoán chữ, và gắn mỗi đoạn chữ với một khoảng thời gian trong video. Kết quả thường lưu dưới dạng tệp SRT hay VTT, là tệp chữ thường gồm các khối: số thứ tự, mốc bắt đầu và kết thúc, rồi dòng chữ hiện trên màn hình.
Đây cũng là công nghệ đứng sau chế độ giọng nói của các trợ lý AI; bài trò chuyện bằng giọng nói với AI có nhắc rằng bản chép lời không phải bản ghi nguyên văn. Phụ đề tự động có cùng giới hạn đó, chỉ là lỗi hiện thẳng ra cho mọi người xem.
YouTube làm gì
Trang trợ giúp của YouTube ngày 11/11/2026 cho biết YouTube có thể dùng nhận dạng giọng nói để tự tạo phụ đề cho video. Với video thường và Shorts, phụ đề tự động có ở danh sách dài các ngôn ngữ, trong đó có tiếng Việt. Nếu video có nhiều rãnh âm thanh ngôn ngữ khác nhau, phụ đề tự động theo ngôn ngữ mặc định. Phụ đề tự động sẵn có sẽ được đăng kèm video, nhưng có thể chưa có ngay khi vừa tải lên, vì thời gian xử lý tùy độ phức tạp của âm thanh.
Trang cũng liệt kê lý do phụ đề tự động có thể không được tạo: âm thanh phức tạp chưa xử lý xong, ngôn ngữ chưa được hỗ trợ, video quá dài, chất lượng âm thanh kém, im lặng lâu ở đầu video, hoặc nhiều người nói chồng lên nhau, nhiều ngôn ngữ cùng lúc. Với phát trực tiếp, phụ đề tự động hiện chỉ có tiếng Anh, và sau khi buổi phát kết thúc, phụ đề trực tiếp không được giữ lại; YouTube tạo phụ đề mới cho bản ghi.
Điều đáng nhớ nhất: YouTube khuyến khích người làm video thêm phụ đề chuyên nghiệp trước, và nói rõ phụ đề tự động có thể diễn đạt sai nội dung nói vì phát âm sai, giọng, phương ngữ hay tiếng ồn. Luôn xem lại và sửa phần chép sai.
Soát tệp SRT bằng Python
Đoạn Python dưới đây đọc một tệp SRT và đánh dấu bốn loại vấn đề: câu trống; dòng dài hơn 42 ký tự; câu hiện dưới 1 giây hoặc nhanh hơn 17 ký tự mỗi giây; và câu chồng thời gian lên câu sau. Các ngưỡng này do bài tự đặt cho dễ đọc, không phải chuẩn chính thức; bạn chỉnh theo nhu cầu.
"""Soát một tệp phụ đề SRT do máy tạo trước khi đăng: tìm chỗ cần người sửa.
Phụ đề tự động hay có các lỗi: câu quá dài cho một dòng, hiện quá nhanh không kịp đọc, hai câu
chồng thời gian lên nhau, câu trống. Chương trình chỉ ĐÁNH DẤU để bạn xem lại; nó không sửa
chữ, vì chỉ người nghe lại mới biết máy nghe đúng hay sai.
Ngưỡng mặc định do bài tự đặt cho dễ đọc (không phải chuẩn chính thức), chỉnh theo nhu cầu:
tối đa 42 ký tự mỗi dòng, tối đa 17 ký tự mỗi giây, tối thiểu 1 giây mỗi câu.
Tệp mẫu bên dưới là giả lập. Chỉ dùng thư viện chuẩn.
Chạy: python soat_phu_de.py phu_de.srt
"""
import re
import sys
MOC = re.compile(r"(\d{2}):(\d{2}):(\d{2}),(\d{3})\s*-->\s*(\d{2}):(\d{2}):(\d{2}),(\d{3})")
def ms(h, m, s, x):
return ((int(h) * 60 + int(m)) * 60 + int(s)) * 1000 + int(x)
def doc_srt(van_ban):
"""Trả về danh sách (số thứ tự, bắt đầu ms, kết thúc ms, [các dòng chữ])."""
cac = []
for khoi in re.split(r"\n\s*\n", van_ban.replace("\r\n", "\n").strip()):
dong = khoi.split("\n")
if len(dong) < 2:
continue
m = MOC.search(dong[1])
if not m:
raise ValueError(f"khối {dong[0]!r}: dòng thời gian sai định dạng")
g = m.groups()
cac.append((int(dong[0]), ms(*g[:4]), ms(*g[4:]), dong[2:]))
return cac
def soat(cac, toi_da_dong=42, toi_da_cps=17, toi_thieu_ms=1000):
loi = []
for i, (so, bd, kt, chu) in enumerate(cac):
noi = " ".join(chu).strip()
if not noi:
loi.append((so, "câu trống"))
for d in chu:
if len(d) > toi_da_dong:
loi.append((so, f"dòng dài {len(d)} ký tự"))
dai = kt - bd
if dai <= 0:
loi.append((so, "thời gian kết thúc không sau bắt đầu"))
continue
if dai < toi_thieu_ms:
loi.append((so, f"hiện {dai} ms, quá ngắn"))
cps = len(noi) * 1000 / dai
if cps > toi_da_cps:
loi.append((so, f"{cps:.1f} ký tự/giây, quá nhanh"))
if i + 1 < len(cac) and cac[i + 1][1] < kt:
loi.append((so, f"chồng lên câu {cac[i + 1][0]}"))
return loi
MAU = """1
00:00:01,000 --> 00:00:03,500
Xin chào các bạn, hôm nay chúng ta học vòng lặp.
2
00:00:03,400 --> 00:00:04,000
Vòng lặp for.
3
00:00:04,200 --> 00:00:05,200
Trong Python, vòng lặp for duyệt qua từng phần tử của một danh sách
4
00:00:06,000 --> 00:00:09,000
Ví dụ: in ra các số từ 1 đến 10.
"""
if __name__ == "__main__":
van_ban = open(sys.argv[1], encoding="utf-8-sig").read() if len(sys.argv) > 1 else MAU
cac = doc_srt(van_ban)
loi = soat(cac)
print(f"{len(cac)} câu phụ đề, {len(loi)} chỗ cần xem lại")
for so, ly_do in loi:
print(f" câu {so}: {ly_do}")
Với tệp mẫu bốn câu, chương trình tìm ra bảy chỗ cần xem lại. Câu 1 dài 48 ký tự, hiện trong 2,5 giây, tức 19,2 ký tự mỗi giây, và kết thúc lúc 3,5 giây trong khi câu 2 bắt đầu lúc 3,4 giây. Câu 2 chỉ hiện 0,6 giây. Câu 3 dài 67 ký tự mà chỉ hiện 1 giây; đây là kiểu lỗi máy hay gây ra khi gộp một câu dài vào một khung ngắn. Câu 4 không có vấn đề gì. Phần kiểm đi kèm so mốc thời gian và chữ đọc được với thư viện srt, và so các con số với phép tính tay.
Chương trình không sửa chữ. Nó chỉ chỉ ra chỗ nào nên nghe lại. Một chữ "vòng lặp" bị nghe thành "vòng lập" không làm câu dài hơn hay nhanh hơn, nên chỉ người nghe mới bắt được.
Những lỗi máy hay nghe sai
Với tiếng Việt, có vài loại lỗi nên chú ý khi soát. Tên riêng và tên người thường bị nghe thành từ thông dụng gần âm. Thuật ngữ chuyên môn, nhất là từ tiếng Anh chen giữa câu tiếng Việt, hay bị viết sai hoặc phiên âm lạ. Dấu thanh có thể sai khi người nói nói nhanh hay có giọng địa phương. Con số dễ bị viết lẫn giữa chữ và số. Khi nhiều người nói chồng lên nhau, máy có thể gộp lời của hai người vào một câu.
Cách soát hiệu quả: chuẩn bị trước danh sách tên riêng và thuật ngữ trong video, rồi tìm từng từ trong tệp phụ đề. Phần còn lại, nghe lại ở tốc độ bình thường và dừng ở mỗi chỗ nghi ngờ.
Sửa sao cho dễ đọc
Khi sửa phụ đề, đúng chữ là chưa đủ; người xem còn phải đọc kịp. Vài thói quen giúp phụ đề dễ đọc hơn. Ngắt câu ở chỗ tự nhiên, như sau dấu phẩy hay giữa hai cụm ý, đừng cắt giữa một cụm từ như "vòng / lặp". Mỗi khung không quá hai dòng. Câu dài thì tách thành hai khung liên tiếp thay vì nhồi vào một. Bỏ những tiếng đệm như "ờ", "à", "thì là" nếu chúng không mang nghĩa, nhưng giữ đúng ý người nói.
Với các tiếng động quan trọng cho người khiếm thính, như tiếng chuông hay tiếng vỗ tay, có thể ghi trong ngoặc vuông. Sau khi sửa, chạy lại đoạn Python để chắc rằng việc tách câu không tạo ra câu quá ngắn hay chồng thời gian mới.
Dùng cho việc học thế nào
Nếu bạn làm video thuyết trình cho lớp, phụ đề giúp bạn nghe lại chính mình: đọc phụ đề tự động, bạn thấy ngay câu nào mình nói không rõ, chữ nào phát âm sai. Đó là một cách luyện nói hay.
Với người học ngoại ngữ, phụ đề tự động của video tiếng Anh giúp theo kịp, nhưng đừng tin tuyệt đối: khi phụ đề khác với điều bạn nghe, tra lại. Với video bài giảng, phụ đề tự động là bản nháp tốt để chép bài, nhưng đối chiếu với tài liệu của thầy cô trước khi học thuộc. Lỗi của máy tương tự cách mô hình AI bịa thông tin trông hợp lý; bài AI bịa thông tin giải thích kỹ hơn.
Phụ đề còn giúp tìm lại nội dung. Tệp SRT là văn bản thường có mốc thời gian, nên với một video ôn tập dài, bạn mở tệp bằng trình soạn thảo, tìm một từ khóa như "đệ quy", xem mốc giờ của câu chứa nó, rồi tua video tới đúng chỗ đó. Cách này nhanh hơn nhiều so với tua thử từng đoạn.
Một quy trình mẫu cho nhóm
Giả sử nhóm bạn làm video giới thiệu câu lạc bộ dài năm phút. Đăng video ở chế độ riêng tư, chờ YouTube tạo phụ đề tự động. Tải tệp phụ đề về, chạy đoạn Python để lấy danh sách chỗ cần xem. Chia video thành ba phần, mỗi người nghe lại một phần và sửa chữ trong tệp. Người cuối cùng xem lại toàn bộ với phụ đề đã sửa, rồi mới chuyển video sang công khai.
Cách này tốn thêm chừng nửa giờ, nhưng người xem sẽ không thấy những câu vô nghĩa, và người khiếm thính trong trường cũng xem được video của nhóm.
- Đăng video với phụ đề tự động mà không ai xem lại.
- Học thuộc từ phụ đề tự động của video bài giảng mà không đối chiếu tài liệu.
- Tin phụ đề tự động khi phát trực tiếp bằng tiếng Việt; YouTube hiện chỉ có tiếng Anh cho phát trực tiếp.
- Để nguyên tên riêng và thuật ngữ do máy đoán.
Câu hỏi thường gặp
YouTube có tạo phụ đề tự động tiếng Việt không?
Có, cho video thường và Shorts; phát trực tiếp hiện chỉ có tiếng Anh.
Vì sao video của tôi không có phụ đề tự động?
Có thể đang xử lý, âm thanh kém, im lặng lâu ở đầu, video quá dài, hoặc nhiều người nói chồng nhau.
Tệp SRT là gì?
Tệp chữ gồm các khối: số thứ tự, mốc bắt đầu và kết thúc, và dòng chữ hiện trên màn hình.
Có cần sửa phụ đề tự động không?
Có. YouTube khuyên luôn xem lại và sửa những phần chép sai.
Học tiếp
Nếu bạn muốn học Python và AI bài bản cùng giảng viên, tham khảo khóa học AI của Big-O Coding.
Khóa AI – Introduction to Machine Learning: nền tảng Máy học từ thuật toán cơ bản đến Neural Networks và LLM, học bằng Python. Học thử buổi 1 miễn phí.


