Transcribe Vietnamese Audio or Video to Text
Upload any Vietnamese recording — OpenAI Whisper detects the language automatically and returns an accurate transcript in seconds.
Drag a file here or browse
MP3, WAV, M4A, FLAC · MP4, MOV, MKV, WebM · up to 2 GB
Set language, translation, or vocabulary hints below before transcribing
YouTube, Dropbox, Google Drive, or any direct MP3/MP4 link
Transcription model
Transcript style
Removes fillers and false starts for readable text
Names, acronyms, or domain terms that improve accuracy
MP3, WAV, M4A, FLAC · MP4, MOV, MKV · up to 2 GB · 10 minutes free every day
About Vietnamese transcription
Vietnamese is an Austroasiatic language, and one of its defining features for transcription purposes is its system of six lexical tones. Because Vietnamese syllables are otherwise largely identical in their consonant-vowel structure, tone is what separates meaning — and tone is what drives which diacritics appear in the written output. The Latin-based script Vietnamese uses encodes those tones directly onto vowels, so a wrong tonal reading doesn't just affect sound; it produces the wrong character sequence on the page. Get the pitch contour of a syllable wrong and the entire word is misspelled, not just mispronounced. Accuracy for Vietnamese on convert.express is high, and the tonal and diacritic output holds up well in practice. The remaining challenge is dialect: speakers from Hanoi, Hue, and Ho Chi Minh City handle tones differently enough that a model tuned for one region can stumble on another. Northern Vietnamese, with its relatively crisp tonal distinctions, tends to produce cleaner results than southern varieties, where some tonal contrasts are less pronounced in natural speech.
OpenAI Whisper, MAI-Transcribe 2 and Gemini 3.5 Transcribe all support Vietnamese, detected automatically from the audio — no manual language selection is needed. Upload any Vietnamese recording up to 2 GB — MP3, WAV, M4A, FLAC, MP4, MOV, and most common audio and video formats are accepted. Every account includes 10 free minutes of transcription per day; longer files are billed at €0.02 per minute with a €0.50 minimum per transaction. Transcripts download as plain text and are automatically deleted within 24 hours of upload.
Available transcription models
10 min
Free every day
€0.02
Per minute beyond quota
< 1 min
Typical turnaround
Tips for the best results
- Use a quiet environment — background noise is the biggest source of transcription errors.
- Speak at a natural pace; extremely fast speech reduces accuracy in any language.
- MP3 or M4A files work great; uncompressed WAV is ideal for professional recordings.
- Files up to 2 GB are supported — long recordings are automatically split and merged.
Frequently asked questions
- How accurate is AI transcription for Vietnamese?
- Accuracy for Vietnamese is rated high on convert.express. The trickiest part of Vietnamese transcription is that its six lexical tones map directly to diacritics in the writing system — a tonal misread produces a wrong character, not just a wrong sound. The model handles this well, including the Austroasiatic language's Latin-script diacritic conventions. Regional variation is the main caveat: Northern Vietnamese tends to fare best, while Hue or southern Ho Chi Minh City accents, which compress some tonal contrasts, can introduce occasional errors in tone-sensitive words.
- How long does Vietnamese transcription take?
- Most Vietnamese recordings are ready in under a minute. Processing time scales with file length — a 10-minute recording typically returns results in 20–40 seconds, and a one-hour recording in around 4–6 minutes. Longer files are automatically split, transcribed in parallel, and merged, so you never need to cut your audio before uploading.
- Can I translate Vietnamese audio to English or other languages?
- Yes, two ways. For a quick English-only result, enable "Translate to English" in the upload options above — OpenAI Whisper transcribes and translates Vietnamese audio to English text in a single pass, at no extra cost. For any other target language, first transcribe normally, then use the Translate action on the finished transcript in your dashboard — it's powered by Claude AI and can translate the Vietnamese transcript (or its summary and action list) into any of convert.express's other supported languages, not just English.
- Which transcription model should I use for Vietnamese?
- OpenAI Whisper, MAI-Transcribe 2 and Gemini 3.5 Transcribe all support Vietnamese. OpenAI Whisper is the established choice, with broad language coverage and single-pass translation to English. MAI-Transcribe 2 is in preview, with whole-file speaker labeling, word-level timestamps, and entity biasing for proper names and terminology. Gemini 3.5 Transcribe is in preview, has the widest language coverage, and labels speakers in-model. Try them on a short clip to see which output suits your recording.
- What audio and video formats are supported?
- MP3, WAV, M4A, FLAC, OGG, Opus, MP4, MOV, MKV, and most other common audio and video formats are accepted. Files up to 2 GB can be uploaded. The language is detected automatically from the audio — no manual language selection is needed.
Tiếng Việt · convert.express
Tiếng Việt là một ngôn ngữ thuộc hệ Môn-Khmer, và một trong những đặc điểm nổi bật nhất của tiếng Việt khi chuyển ngữ âm thanh sang văn bản chính là hệ thống sáu thanh điệu. Vì các âm tiết tiếng Việt phần lớn có cấu trúc phụ âm-nguyên âm giống nhau, thanh điệu mới là yếu tố phân biệt nghĩa — và cũng chính thanh điệu quyết định dấu phụ nào xuất hiện trong văn bản viết. Hệ thống chữ Latinh mà tiếng Việt sử dụng mã hóa các thanh điệu trực tiếp lên nguyên âm, nên chỉ cần đọc sai thanh là không chỉ sai âm mà còn ra sai cả chuỗi ký tự trên trang. Nhận sai đường nét thanh điệu của một âm tiết đồng nghĩa với việc cả từ bị viết sai, không đơn thuần là phát âm sai. Độ chính xác khi chuyển tiếng Việt trên convert.express khá cao, và kết quả về thanh điệu lẫn dấu phụ hoạt động tốt trong thực tế. Thách thức còn lại nằm ở phương ngữ: người nói từ Hà Nội, Huế và Thành phố Hồ Chí Minh xử lý thanh điệu theo những cách khác nhau đủ để mô hình được tinh chỉnh cho vùng này có thể gặp khó với vùng kia. Tiếng Việt miền Bắc, với các thanh điệu tương đối rõ ràng, thường cho kết quả sạch hơn so với các biến thể miền Nam, nơi một số thanh điệu ít được phân biệt rõ nét hơn trong lời nói tự nhiên. OpenAI Whisper, MAI-Transcribe 2 và Gemini 3.5 Transcribe đều hỗ trợ tiếng Việt, được nhận diện tự động từ âm thanh — không cần chọn ngôn ngữ thủ công. Tải lên bất kỳ bản ghi âm tiếng Việt nào dung lượng đến 2 GB — các định dạng MP3, WAV, M4A, FLAC, MP4, MOV và hầu hết các định dạng âm thanh, video phổ biến đều được chấp nhận. Mỗi tài khoản được dùng miễn phí 10 phút chuyển ngữ mỗi ngày; các tệp dài hơn sẽ được tính phí €0.02 mỗi phút với mức tối thiểu €0.50 mỗi giao dịch. Bản chép lời có thể tải về dưới dạng văn bản thuần túy và sẽ tự động bị xóa trong vòng 24 giờ sau khi tải lên.
- AI chuyển tiếng Việt sang văn bản chính xác đến mức nào?
- Độ chính xác khi chuyển tiếng Việt được đánh giá cao trên convert.express. Điểm khó nhất của việc chuyển ngữ tiếng Việt là sáu thanh điệu gắn trực tiếp với dấu phụ trong hệ thống chữ viết — đọc sai thanh là ra sai ký tự, không chỉ sai âm. Mô hình xử lý điều này khá tốt, kể cả các quy ước dấu phụ trong chữ Latinh của ngôn ngữ Môn-Khmer này. Điểm cần lưu ý chính là biến thể vùng miền: tiếng Việt miền Bắc thường cho kết quả tốt nhất, trong khi giọng Huế hay giọng miền Nam Thành phố Hồ Chí Minh — vốn nén một số tương phản thanh điệu lại — có thể gây ra lỗi lẻ tẻ ở những từ nhạy cảm với thanh điệu.
- Chuyển tiếng Việt sang văn bản mất bao lâu?
- Hầu hết các bản ghi âm tiếng Việt đều có kết quả trong vòng chưa đầy một phút. Thời gian xử lý tỷ lệ với độ dài tệp — một bản ghi 10 phút thường trả về kết quả trong 20–40 giây, còn bản ghi một tiếng mất khoảng 4–6 phút. Các tệp dài sẽ được tự động chia nhỏ, chuyển ngữ song song rồi ghép lại, nên bạn không cần cắt âm thanh trước khi tải lên.
- Tôi có thể dịch âm thanh tiếng Việt sang tiếng Anh hoặc ngôn ngữ khác không?
- Được, theo hai cách. Nếu chỉ cần kết quả bằng tiếng Anh nhanh chóng, hãy bật tùy chọn Translate to English trong phần tùy chọn tải lên bên trên — OpenAI Whisper sẽ chuyển ngữ và dịch âm thanh tiếng Việt sang văn bản tiếng Anh trong một lần xử lý duy nhất, không phát sinh thêm chi phí. Với các ngôn ngữ đích khác, hãy chuyển ngữ bình thường trước, sau đó dùng tính năng Translate trên bản chép lời đã hoàn thành trong trang quản lý — tính năng này được hỗ trợ bởi Claude AI và có thể dịch bản chép lời tiếng Việt (hoặc phần tóm tắt và danh sách hành động) sang bất kỳ ngôn ngữ nào khác mà convert.express hỗ trợ, không chỉ riêng tiếng Anh.
- Nên dùng mô hình nào để chuyển tiếng Việt sang văn bản?
- OpenAI Whisper, MAI-Transcribe 2 và Gemini 3.5 Transcribe đều hỗ trợ tiếng Việt. OpenAI Whisper là lựa chọn đã được kiểm chứng, với khả năng bao phủ ngôn ngữ rộng và dịch sang tiếng Anh ngay trong một lần xử lý. MAI-Transcribe 2 đang trong giai đoạn thử nghiệm, tích hợp sẵn tính năng gắn nhãn người nói, dấu thời gian theo từng từ và nhận diện ưu tiên tên riêng cùng thuật ngữ chuyên ngành. Gemini 3.5 Transcribe cũng đang thử nghiệm, có phạm vi ngôn ngữ rộng nhất và gắn nhãn người nói ngay trong mô hình. Hãy thử từng mô hình trên một đoạn ngắn để xem kết quả nào phù hợp nhất với bản ghi của bạn.
- Những định dạng âm thanh và video nào được hỗ trợ?
- Các định dạng MP3, WAV, M4A, FLAC, OGG, Opus, MP4, MOV, MKV và hầu hết các định dạng âm thanh, video phổ biến khác đều được chấp nhận. Tệp có thể tải lên dung lượng đến 2 GB. Ngôn ngữ được nhận diện tự động từ âm thanh — không cần chọn ngôn ngữ thủ công.