Mọi thứ cần để hiểu một cuộc họp bằng ngoại ngữ
Dưới đây là những gì AI Translator làm được hôm nay, đúng như trong app. Tính năng nào chỉ có ở gói trả phí đều được ghi rõ.
5 ngôn ngữ, tự nhận diện
Thanh phụ đềKéo, khóa, đổi cỡ chữ
Bản chép lờiLịch sử, xuất file (Pro)
Từ điển thuật ngữTên riêng, thuật ngữ (Pro)
Nguồn âm thanhMọi app họp, không bot
Phím tắt và khayĐiều khiển không rời cuộc họp
Model và máyGói model Chuẩn, gói model Nhẹ
Hiệu năngSố đo có ghi điều kiện
Nghe, nhận dạng, dịch và hiện phụ đề trong một vòng
AI Translator thu âm thanh đang phát trên máy tính, cắt thành từng câu, nhận dạng giọng nói rồi dịch và hiện lên thanh phụ đề. Trên Mac M4 Pro, bản dịch hiện đủ sau khi người nói dừng câu trong khoảng một giây (trung vị); máy khác có thể chậm hơn, xem số đo.
- Năm ngôn ngữ cho cả âm thanh nguồn và bản dịch: English, 中文, 日本語, 한국어, Tiếng Việt
- Tự nhận diện ngôn ngữ đang nói trong tập ngôn ngữ bạn chọn, hoặc khóa một ngôn ngữ khi bạn biết trước người nói dùng tiếng gì
- Câu đã ở đúng ngôn ngữ bạn muốn đọc thì hiện nguyên văn, không dịch lại
- Câu chưa chốt hiện màu nhạt rồi được thay bằng câu hoàn chỉnh khi người nói nói tiếp
- Lọc các câu "ảo giác" thường gặp khi chỉ có nhạc hoặc im lặng
- Chữ tiếng Trung nhận dạng được sẽ đổi sang giản thể
Một chiều, từ cuộc họp sang bạn.
AI Translator dịch âm thanh phát ra từ máy tính sang ngôn ngữ của bạn. Hiện chưa dịch giọng của bạn để phát vào cuộc họp. Nếu cả hai bên cùng cài app, mỗi bên đều thấy phụ đề của phía kia.
Thanh nổi tùy chỉnh, không cản app họp
Thanh phụ đề là một cửa sổ riêng, không viền, nền mờ, luôn ở trên cùng và không lấy focus của app họp, nên bạn gõ chat hay bấm nút trong cuộc họp bình thường.
- Kéo để di chuyển, kéo cạnh hoặc góc để đổi kích thước; nhớ vị trí và kích thước riêng cho từng màn hình
- Cỡ chữ 14–48 px, 5 màu chữ (trắng, vàng, xanh lá, xanh dương nhạt, cam), 5 màu nền, độ mờ nền 0–100 %
- Khóa: chuột xuyên qua thanh, không có nút nào cản; mở khóa bằng phím tắt hoặc menu khay
- Giữ tối đa 1000 câu gần nhất, cuộn xem lại bằng con lăn hoặc phím tắt, nút Mới nhất đưa bạn về câu hiện tại
- Hiện câu gốc chữ nhỏ phía trên bản dịch (mặc định bật, tắt được)
- Chỉ báo nhỏ ở góc: đang nghe có tiếng, đang nạp model, đang trễ, còn dưới 5 phút dịch
Mọi app họp, không cần bot, không cần plugin
Vì app thu âm thanh hệ thống, AI Translator chạy với mọi thứ phát ra tiếng: Zoom, Microsoft Teams, Google Meet, Zalo PC, webinar, video, khóa học trực tuyến.
- macOS: nghe toàn hệ thống (trừ chính app) hoặc chỉ một app đang phát tiếng để không dịch nhầm tiếng thông báo
- Windows (khi phát hành): thiết bị phát mặc định hoặc một thiết bị bạn chọn
- Tự mở lại nguồn khi bạn đổi thiết bị phát (cắm tai nghe, kết nối Bluetooth)
- Độ nhạy ngắt câu chỉnh 50–800 ms: ngắn thì phụ đề sớm hơn, dài thì ít cắt câu hơn
Trên macOS, lần đầu bạn bấm Bắt đầu, hệ điều hành sẽ hỏi quyền ghi âm thanh hệ thống. App không dùng micro. Xem hướng dẫn cấp quyền.
Giữ lại những gì đã nghe, theo cách của bạn
Bản chép lời của phiên đang chạy dùng được ở mọi gói. Lưu lịch sử và xuất ra file là tính năng Pro.
- Bản chép lời: mỗi dòng có giờ, câu gốc và bản dịch; tìm kiếm và sao chép tất cả (mọi gói)
- Xuất file TXT, SRT hoặc Markdown; với SRT chọn chữ là bản dịch hay câu gốc Pro
- Lịch sử các phiên: xem lại, mở, xóa từng phiên hoặc xóa tất cả Pro
- Lịch sử mặc định tắt. Bật thì lưu trên máy, mã hóa, khóa nằm trong Keychain (macOS) hoặc Credential Manager (Windows)
- Xóa toàn bộ dữ liệu bằng một nút, dùng được ở mọi gói
Gợi ý tên riêng và thuật ngữ cho bộ dịch
Thêm cặp thuật ngữ nguồn → đích cho tên sản phẩm, tên đối tác, thuật ngữ ngành. Khi câu có chứa thuật ngữ, app đưa nó cho bộ dịch như một gợi ý.
- Tối đa 500 thuật ngữ, nhập và xuất CSV (hai cột, UTF-8)
- Không phân biệt hoa thường; chữ Trung, Nhật, Hàn khớp cả giữa từ
- Mỗi câu dùng tối đa 20 mục liên quan
Thuật ngữ là gợi ý cho bộ dịch nên không bảo đảm đúng ở mọi lần. Giao diện app cũng ghi rõ điều này.
Điều khiển mà không rời cuộc họp
Năm phím tắt toàn cục hoạt động ngay cả khi AI Translator không phải cửa sổ đang mở. Bạn đổi được từng phím trong Cài đặt › Phím tắt.
| Việc | macOS | Windows (khi phát hành) |
|---|---|---|
| Bắt đầu hoặc dừng dịch | ⌃ + ⌥ + T | Ctrl + Alt + T |
| Hiện hoặc ẩn phụ đề | ⌃ + ⌥ + H | Ctrl + Alt + H |
| Khóa hoặc mở khóa phụ đề | ⌃ + ⌥ + L | Ctrl + Alt + L |
| Cuộn phụ đề lên (câu cũ) | ⌃ + ⌥ + PageUp | Ctrl + Alt + PageUp |
| Cuộn phụ đề xuống (câu mới) | ⌃ + ⌥ + PageDown | Ctrl + Alt + PageDown |
Trên macOS, ⌃ là Control và ⌥ là Option. Phím tắt phải có ít nhất một phím Ctrl, Alt hoặc Cmd/Win. Bản Windows chưa phát hành.
Biểu tượng trên thanh menu (macOS) hoặc khay hệ thống (Windows, khi phát hành) cho phép bắt đầu hoặc dừng dịch, ẩn hiện và khóa phụ đề, mở cửa sổ chính. Đóng cửa sổ chỉ ẩn app xuống khay; muốn thoát hẳn thì chọn Thoát.
Hai gói model, app đề xuất gói hợp với máy bạn
Model nhận dạng và dịch tải về một lần, sau đó chạy hoàn toàn trên máy. App kiểm tra RAM, ổ đĩa và card đồ họa để đề xuất gói.
| Tiêu chí | Gói model Chuẩn | Gói model Nhẹ |
|---|---|---|
| Dung lượng tải | khoảng 2,5 GB | khoảng 1,3 GB |
| Nhận dạng giọng nói | Whisper large-v3-turbo | Whisper small |
| Dịch | Hy-MT2-1.8B (Q8_0) | Hy-MT2-1.8B (Q4_K_M) |
| RAM engine (Mac M4 Pro) | khoảng 2,9 GiB | khoảng 1,8–1,9 GiB |
| App đề xuất khi | Mac 16 GB trở lên; Windows 16 GB trở lên có card rời từ 6 GB VRAM | Máy từ 8 GB đến dưới 16 GB, hoặc Windows không có card rời đủ mạnh |
Gói model Nhẹ chép lời kém rõ hơn gói model Chuẩn ở tiếng Việt, Nhật, Hàn, Trung. Nếu bạn nghe nhiều các ngôn ngữ này, nên dùng gói model Chuẩn.
- macOS
- macOS 14.2 trở lên, Apple Silicon (M1 trở lên)
Không có bản cho Mac Intel - RAM
- Tối thiểu 8 GB, khuyến nghị 16 GB
- Ổ đĩa
- Trống thêm ít nhất 1 GB so với dung lượng model cần tải
- Windows
- Windows 10/11 64-bit, CPU có AVX2: chưa phát hành
Khuyến nghị card rời Vulkan, VRAM từ 6 GB cho gói model Chuẩn
Số đo thật, kèm điều kiện đo
Chúng tôi chỉ công bố những gì đã đo, trên đúng máy đã đo, và nói rõ máy nào chưa đo.
| Số đo (Mac M4 Pro 24 GB, macOS 26, GPU Metal) | Gói model Chuẩn | Gói model Nhẹ |
|---|---|---|
| Độ trễ trung vị (p50): từ lúc người nói dừng câu tới khi hiện đủ bản dịch | 0,76–1,03 giây | 0,61–0,84 giây |
| Độ trễ p90 | 0,94–1,34 giây | 0,73–1,14 giây |
| Chữ dịch đầu tiên hiện (p50) | 0,63–0,69 giây | 0,52–0,57 giây |
| RAM của hai tiến trình engine | 2,9 GiB | 1,8–1,9 GiB |
Phiên dài
Một phiên dịch liên tục 5 giờ 23 phút (video bài giảng tiếng Anh, bản release ký ad-hoc): 6019 đoạn, không lỗi, độ trễ trung vị 0,48 giây. Thử nghiệm ổn định 2 giờ: không tiến trình nào bị khởi động lại.
Chất lượng dịch và nhận dạng
Trên bộ thử nội bộ 320 câu (năm chiều có tiếng Việt), Hy-MT2-1.8B đạt điểm COMET trung bình 0,837: cao hơn rõ rệt MADLAD-3B (0,779) và NLLB-600M (0,736), và ngang HY-MT1.5-1.8B (0,833). Chúng tôi chỉ so các model mã nguồn mở với nhau. Với câu đọc chuẩn, tiếng Việt gói model Chuẩn có tỉ lệ lỗi từ 8,7 %. Đây là câu đọc, chưa phải hội thoại họp thật.
Chất lượng dịch và nhận dạng theo từng chiều
Điểm COMET đo trên đúng đường chạy của app (llama-server, cùng câu lệnh dịch), mỗi chiều 100 câu (Việt → Trung, Nhật, Hàn: 40 câu). COMET là điểm tương đối từ 0 đến 1, cao hơn là tốt hơn; không phải tỉ lệ phần trăm chính xác.
| Chiều dịch (văn bản) | Gói model Chuẩn | Gói model Nhẹ |
|---|---|---|
| English → Tiếng Việt | 0,842 | 0,841 |
| 中文 → Tiếng Việt | 0,829 | 0,831 |
| 日本語 → Tiếng Việt | 0,830 | 0,815 |
| 한국어 → Tiếng Việt | 0,834 | 0,822 |
| Tiếng Việt → English | 0,821 | 0,822 |
| Tiếng Việt → 中文 | 0,836 | 0,821 |
| Tiếng Việt → 日本語 | 0,847 | 0,845 |
| Tiếng Việt → 한국어 | 0,851 | 0,842 |
| Nhận dạng giọng nói (tỉ lệ lỗi, thấp hơn là tốt hơn) | Gói model Chuẩn | Gói model Nhẹ |
|---|---|---|
| English (lỗi từ) | 5,4 % | 6,6 % |
| Tiếng Việt (lỗi từ) | 8,7 % | 22,5 % |
| 中文 (lỗi ký tự) | 5,6 % | 9,6 % |
| 日本語 (lỗi ký tự) | 4,5 % | 13,1 % |
| 한국어 (lỗi ký tự) | 4,1 % | 8,2 % |
Cách đọc: bộ câu dịch thiên về văn nói đời thường nên chỉ đại diện gần đúng cho lời họp; nhận dạng đo trên câu đọc chuẩn (khoảng 15 phút mỗi ngôn ngữ), không phải hội thoại họp thật, và tai nghe Bluetooth băng hẹp làm lỗi tăng thêm. Tám chiều trên đều có tiếng Việt; 12 chiều còn lại giữa English, 中文, 日本語, 한국어 chạy được nhưng chưa có điểm chất lượng. Gói model Nhẹ kém rõ hơn ở nhận dạng tiếng Việt, Nhật, Hàn, Trung.
Điều chưa đo, chúng tôi không hứa
Mọi số trên đo trên một máy Mac M4 Pro, với ngưỡng im lặng chốt đoạn 300 ms (mặc định hiện tại của app là 50 ms; phiên 5 giờ dùng mặc định). Chưa đo: Mac M1, máy 8 GB, card đồ họa rời của Windows, pin và điện năng, độ chính xác với hội thoại họp thật hoặc tai nghe Bluetooth, và chất lượng dịch của các chiều không có tiếng Việt (chạy được nhưng chưa có điểm đo). Thử nghiệm sơ bộ trên một laptop Windows có GPU tích hợp cho thấy gói model Chuẩn chưa đạt mục tiêu độ trễ.
Xây trên các thành phần mã nguồn mở, chạy ngay trên máy
AI Translator là sản phẩm thương mại; các thành phần bên dưới là mã nguồn mở của bên thứ ba, được ghi nhận đầy đủ trong màn hình Giới thiệu của app.
Whisper + whisper.cpp
Nhận dạng giọng nói đa ngôn ngữ của OpenAI (giấy phép MIT), chạy qua whisper.cpp.
Hy-MT2-1.8B + llama.cpp
Model dịch của Tencent (giấy phép Apache 2.0), định dạng GGUF, chạy qua llama.cpp.
Silero VAD
Phát hiện đoạn có tiếng nói để cắt câu, giấy phép MIT, chạy thuần Rust trong app.
Tauri 2, Rust, React
Lõi Rust, giao diện React. Hai engine chạy ở hai tiến trình riêng nên lỗi driver GPU không làm sập app.
Metal và Vulkan
Tăng tốc bằng GPU: Metal trên macOS, Vulkan trên Windows. Tự chuyển sang CPU nếu GPU lỗi.
SQLCipher
Lịch sử (nếu bạn bật) được mã hóa bằng SQLCipher, khóa ngẫu nhiên nằm trong kho khóa của hệ điều hành.
Tính năng nào ở gói nào
| Tính năng | Free (dùng thử) | Monthly | Yearly |
|---|---|---|---|
| Phụ đề dịch trực tiếp, 5 ngôn ngữ | Có | Có | Có |
| Thanh phụ đề tùy chỉnh, phím tắt, khay | Có | Có | Có |
| Xem, tìm, sao chép bản chép lời | Có | Có | Có |
| Từ điển thuật ngữ (tối đa 500) | Không | Có | Có |
| Lưu lịch sử các phiên | Không | Có | Có |
| Xuất TXT, SRT, Markdown | Không | Có | Có |
| Thời lượng dịch | 30 phút mỗi ngày, 10 ngày | 50 giờ mỗi 30 ngày | Không giới hạn, 365 ngày |
| Giá | 0 ₫ | 50.000 ₫ | 500.000 ₫ |
Thử trên cuộc họp thật của bạn
Dùng thử Free 10 ngày, mỗi ngày 30 phút. Không cần thẻ, không cần tài khoản.