Cách dùng AI nhận dạng giọng nói chạy offline trên máy

Nhiều dịch vụ chuyển giọng nói thành văn bản yêu cầu tải file ghi âm lên máy chủ của họ. Nếu đó là cuộc họp nội bộ, buổi phỏng vấn hay nội dung riêng tư, bạn có thể muốn dữ liệu ở lại trên máy mình. AI nhận dạng giọng nói chạy offline (không cần internet khi xử lý) là lựa chọn phù hợp: bạn tải mô hình về một lần, sau đó xử lý file ngay trên máy tính.

Bài này giới thiệu Whisper, mô hình nhận dạng giọng nói mã nguồn mở của OpenAI, cùng các bước cài và dùng cơ bản bằng dòng lệnh. Cách này hơi kỹ thuật, nhưng làm được nếu bạn làm đúng từng bước. Nếu bạn chỉ cần gõ chữ bằng giọng nói hằng ngày, hãy xem trước các công cụ có sẵn trong Windows ở phần sau.

Chạy offline có lợi gì và hạn chế gì

Lợi ích:

• Dữ liệu âm thanh nằm trên máy của bạn trong lúc xử lý.
• Không phụ thuộc vào đường truyền khi chuyển đổi.
• Xử lý được nhiều file mà không giới hạn theo phút của dịch vụ trực tuyến.

Hạn chế:

• Cần cài đặt và máy đủ mạnh. Mô hình lớn chạy chậm nếu không có card đồ họa phù hợp.
• Độ chính xác phụ thuộc chất lượng ghi âm, giọng nói, tiếng ồn và mô hình bạn chọn.
• Kết quả vẫn có thể sai tên riêng, thuật ngữ, từ địa phương, nên cần đọc soát lại.

Lựa chọn đơn giản: công cụ có sẵn trong Windows

Nếu bạn chỉ muốn gõ chữ bằng giọng nói, Windows 11 có các tính năng như gõ bằng giọng nói (phím Windows + H) và Voice Access. Mức hỗ trợ ngôn ngữ và việc có chạy offline hay không tùy từng tính năng và phiên bản, bạn cần kiểm tra trong cài đặt. Xem hướng dẫn ở các bài gõ văn bản bằng giọng nói trên máy tính và điều khiển máy tính bằng giọng nói với Voice Access.

Phần dưới dành cho trường hợp bạn muốn chuyển file ghi âm dài thành văn bản bằng Whisper.

Chuẩn bị trước khi cài

• Máy chạy Windows 10 hoặc 11, tối thiểu 8GB RAM, nên 16GB nếu dùng mô hình lớn.
• Dung lượng ổ đĩa trống vài GB cho mô hình và công cụ.
• Card đồ họa NVIDIA giúp chạy nhanh hơn nhưng không bắt buộc. Chạy bằng CPU vẫn được, chỉ chậm hơn.
• File ghi âm rõ tiếng, ít ồn. Có thể ghi bằng ứng dụng có sẵn, xem bài ghi âm trên máy tính bằng Sound Recorder.

Cài đặt và chạy Whisper cơ bản

Cách làm dưới đây dùng Python. Các bước có thể thay đổi theo phiên bản công cụ, nên đối chiếu với hướng dẫn chính thức của dự án khi cài.

1. Cài Python từ trang chính thức, tick chọn Add Python to PATH trong lúc cài.
2. Cài ffmpeg (công cụ xử lý âm thanh mà Whisper cần để đọc nhiều định dạng file) theo hướng dẫn chính thức.
3. Mở Windows Terminal hoặc Command Prompt và cài Whisper:

pip install -U openai-whisper

1. Chạy chuyển đổi một file ghi âm, chỉ định tiếng Việt và mô hình cỡ vừa:

whisper cuoc-hop.mp3 --language Vietnamese --model small

1. Chờ xử lý xong. Kết quả được lưu thành các file văn bản và phụ đề trong thư mục hiện tại.

Lần đầu chạy, công cụ tự tải mô hình về nên cần internet một lần. Sau đó bạn có thể xử lý mà không cần mạng.

Chọn kích cỡ mô hình

Whisper có nhiều cỡ mô hình, từ nhỏ (nhanh, nhẹ, kém chính xác hơn) đến lớn (chậm, nặng, thường chính xác hơn).

• tiny, base: nhanh, hợp máy yếu hoặc thử nghiệm.
• small, medium: cân bằng giữa tốc độ và độ chính xác, thường là điểm khởi đầu hợp lý.
• large: chính xác cao hơn nhưng cần máy mạnh, nên có card đồ họa tốt và nhiều RAM.

Bạn hãy thử với một đoạn ngắn, so sánh vài mô hình rồi chọn mức phù hợp với máy và nhu cầu. Không có con số chính xác cố định, vì mỗi máy và mỗi giọng nói cho kết quả khác nhau.

Nâng cao độ chính xác

• Ghi âm ở nơi yên tĩnh, đặt micro gần miệng.
• Nói rõ, tránh nhiều người nói chồng lên nhau.
• Cắt bỏ đoạn ồn hoặc im lặng quá dài trước khi xử lý.
• Chỉ định đúng ngôn ngữ thay vì để công cụ tự đoán.
• Soát lại kết quả, đặc biệt là tên riêng, số liệu, thuật ngữ chuyên ngành.

Dùng kết quả cho việc gì

Bạn có thể dùng bản chữ để làm biên bản họp, ghi chú bài giảng, làm phụ đề cho video hoặc tìm lại nội dung trong buổi phỏng vấn. Nếu muốn tóm tắt biên bản, có thể nhờ một trợ lý AI, nhưng hãy nhớ không đưa thông tin nhạy cảm vào dịch vụ công cộng, xem bài những thông tin không nên đưa vào ChatGPT và AI.

Máy nên có gì để chạy mượt

Chạy mô hình lớn cần RAM và ổ lưu trữ nhanh. Nếu máy đang thiếu, bạn có thể cân nhắc nâng cấp RAM, ví dụ RAM Corsair Vengeance LPX 16GB DDR4, hoặc SSD, ví dụ SSD Crucial P3 Plus 1TB. Cần đúng chuẩn với mainboard hoặc laptop, bạn nên hỏi cửa hàng trước khi mua.

Cần hỗ trợ thêm?

Nếu cảm thấy khâu cài đặt khó hoặc muốn nâng cấp máy để chạy AI cục bộ, hãy mang máy tới cửa hàng. Kỹ thuật viên kiểm tra miễn phí và báo giá trước khi sửa, xem thêm trang sửa chữa. Bạn cũng có thể dùng công cụ Build PC để chọn linh kiện hợp lý, hoặc gọi hotline/Zalo 0943.847.333.