Phần lớn lỗi khi chuyển giọng nói thành văn bản bắt đầu từ âm thanh, không phải từ phần mềm. Bốn điều giúp nhiều nhất: micro gần người nói, ít tiếng ồn, mỗi lúc một người nói và đúng cài đặt ngôn ngữ. Sau đó, nói thành câu với tốc độ đều, nói rõ tên riêng và con số, và đọc lại văn bản một lần trước khi dùng. AI viết lại có thể làm sạch dấu câu và từ đệm, nhưng không sửa được một từ đã bị nghe sai.
Với tiếng Việt, có thêm một điểm: tiếng Việt có thanh điệu, nên một âm tiết nghe nhầm dấu là thành một từ khác (“bán” và “bạn”, “mười” và “mươi”). Âm thanh rõ càng quan trọng hơn.
| Lỗi trong văn bản | Nguyên nhân thường gặp | Nên đổi gì |
|---|---|---|
| Mất chữ hoặc chữ lộn xộn | Micro xa, hoặc ồn | Để điện thoại gần hơn, tìm chỗ yên tĩnh |
| Cả đoạn sai | Sai cài đặt ngôn ngữ, hoặc trộn hai thứ tiếng | Chọn đúng ngôn ngữ; mỗi bản ghi một thứ tiếng |
| Sai dấu, sai từ đồng âm | Nói nhanh, nuốt âm, micro xa | Nói đều, rõ thanh điệu, micro gần |
| Tên người, tên thương hiệu sai | Từ hiếm hệ thống không đoán trước | Nói rõ, đánh vần một lần, sửa sau |
| Hai giọng lẫn vào nhau | Người nói chen nhau | Nói lần lượt, dừng một nhịp trước khi đáp |
| Không có chữ nào | Bản ghi im lặng hoặc quá nhỏ | Kiểm tra mức thu; thử một đoạn ngắn trước |
Micro và căn phòng
Tài liệu hướng dẫn cho dịch vụ Cloud Speech-to-Text của Google (tiếng Anh) khuyên đặt micro càng gần người nói càng tốt, nhất là khi có tiếng ồn. Trong thực tế:
- Cầm điện thoại gần miệng khi đọc, gần như khi gọi điện, và đừng che lỗ micro bằng ngón tay hay ốp lưng.
- Chọn phòng yên tĩnh. Tắt nhạc, TV, quạt. Phòng nhỏ có đồ vải ít vang hơn bếp hay cầu thang.
- Tránh gió và tiếng xe. Ngoài đường, quay lưng về phía gió hoặc dùng tai nghe có micro.
- Đừng hét. Google cũng khuyên tránh âm thanh bị vỡ (clipping). Nói to hơn bình thường sát micro làm méo tín hiệu.
- Ghi âm cuộc họp từ giữa bàn, không phải từ một đầu, để mọi giọng tới điện thoại với mức gần như nhau.
Cách nói
- Nói thành câu, tốc độ đều. Không cần nói chậm, nhưng nói đều với các khoảng dừng ngắn giữa các ý cho kết quả tốt hơn nói từng tràng.
- Nói rõ thanh điệu, nhất là ở cuối câu, nơi người ta hay nói nhỏ và nhanh.
- Mỗi bản ghi một thứ tiếng. Chuyển qua lại giữa tiếng Việt và tiếng Anh giữa câu làm nhiều hệ thống bối rối. Nếu phải chêm thuật ngữ tiếng Anh, hãy chêm ngắn.
- Nói rõ tên riêng và con số. Với tên lạ, nói chậm một lần hoặc đánh vần. Nói rõ “mười lăm” để không bị nghe thành “mười năm”, và đọc số dài theo từng nhóm chữ số.
- Nói lần lượt. Khi hai người nói cùng lúc, thường cả hai đều sai.
- Dừng một nhịp sau khi nhấn ghi và trước khi dừng, để chữ đầu và chữ cuối không bị cắt.
Về giọng Bắc, Trung, Nam: chúng tôi không có số liệu kiểm chứng về độ chính xác theo vùng miền cho bất kỳ công cụ nào, nên không đưa ra nhận định. Hãy tự thử với giọng của bạn (cách làm ở dưới).
Cài đặt quan trọng
- Chọn đúng ngôn ngữ ở nơi công cụ hỏi. Nhập bằng giọng nói của Gboard dùng ngôn ngữ bàn phím đang chọn; ứng dụng ghi âm có cài đặt ngôn ngữ riêng. Một cài đặt sai làm hỏng cả kết quả. Retexta thì tự nhận biết ngôn ngữ nói, bạn không chọn.
- Thêm tên và thuật ngữ nếu công cụ có danh sách từ vựng. Tài liệu của Google khuyên dùng gợi ý từ và cụm từ để thêm tên và thuật ngữ vào từ vựng.
- Giữ file gốc. Mỗi lần thu lại hay nén lại là mất chi tiết. Chép lời file do máy ghi âm tạo ra, không phải bản phát lại qua loa rồi thu lại. Với dịch vụ của mình, Google khuyên dùng định dạng không mất dữ liệu (FLAC hoặc LINEAR16) và tần số lấy mẫu 16.000 Hz.
- Đừng thêm bộ lọc giảm ồn sau đó. Google khuyên không dùng tự động điều chỉnh âm lượng và giảm ồn cho dịch vụ của họ, vì bộ nhận dạng đã được thiết kế để bỏ qua giọng nền và tiếng ồn.
Bản ghi khó nghe
Nếu bản ghi đã có và khó nghe:
- Chép lời cả file một lần để xem đoạn nào hỏng.
- Nghe lại đoạn hỏng ở tốc độ chậm bằng tai nghe và tự gõ.
- Đánh dấu chỗ không nghe được là [không rõ] thay vì đoán. Một từ đoán sai trong trích dẫn hay biên bản còn tệ hơn một khoảng trống.
- Đừng kỳ vọng phép màu với giọng ở rất xa. Nếu bạn còn khó nghe, phần mềm cũng không chắc khôi phục được.
Tự đo độ chính xác
Độ chính xác chép lời thường được đo bằng tỷ lệ lỗi từ (WER): WER = (S + D + I) / N, trong đó S là số từ bị thay, D là số từ bị mất, I là số từ bị thêm, N là số từ trong văn bản gốc đúng. Càng thấp càng tốt. Với tiếng Việt, có thể đếm theo âm tiết.
Cách làm ở nhà trong năm phút:
- Chọn một đoạn văn khoảng 100 chữ có vài tên riêng và con số.
- Đọc to vào công cụ bạn dùng, trong điều kiện bình thường.
- Đếm chữ sai, thiếu hoặc thừa, rồi chia cho số chữ của đoạn văn.
- Đổi một yếu tố (khoảng cách, căn phòng, cài đặt ngôn ngữ) rồi làm lại.
Kết quả cho bạn biết điều gì giúp ích với giọng của bạn, điện thoại của bạn và căn phòng của bạn. Nó không so sánh các công cụ nói chung: một con số độ chính xác chỉ đúng với âm thanh đã được dùng để đo.
AI viết lại sửa được gì, và không sửa được gì
Retexta, ứng dụng chuyển giọng nói thành văn bản và viết bằng AI cho Android (xử lý trên đám mây), chép lời trước rồi mới viết lại. Phần viết lại xử lý tốt những thứ làm bản chép lời thô khó đọc:
- dấu câu, viết hoa, chia đoạn;
- từ đệm và câu bắt đầu lại (“thì”, “ờ”, “kiểu là”);
- cụm từ lặp và câu bỏ dở.
Nếu chỉ muốn làm gọn bản chép lời, mục đích Clean up a text (trong More templates) được ứng dụng mô tả là giữ nguyên văn bản của bạn, sửa ngữ pháp, dấu câu và độ mạch lạc. Các mục đích viết như Write a message hay Take notes đi xa hơn và sắp xếp lại những gì bạn nói. Menu của Retexta bằng tiếng Anh, chưa có giao diện tiếng Việt.
Điều phần viết lại không làm được là biết rằng “Thùy” đã bị nghe thành “Thủy”, hay “mười năm” lẽ ra là “mười lăm”. Nó còn có thể biến một từ nghe nhầm thành một câu trôi chảy trông như đúng. Vì vậy hãy kiểm tra tên, con số, ngày tháng và số tiền với bản ghi. Retexta ghi trên kết quả: “AI-generated. Check important details.”
Hai chi tiết của ứng dụng giúp ích: Retexta tự nhận biết ngôn ngữ nói, nên một đoạn ghi có câu đầu đầy đủ cho nó nhiều dữ liệu hơn một từ đơn lẻ. Và nếu bản ghi im lặng hoặc quá nhỏ, ứng dụng báo như vậy thay vì trả về chữ (“Transcription finished, but no text was produced”).
Retexta dùng thử miễn phí: người dùng mới nhận được vài kết quả Pro miễn phí để xem ngay trong ứng dụng, và sau đó Transcript only cũng cần Retexta Pro hoặc credit. Các mục đích viết lại và Import audio thuộc Retexta Pro; sao chép, chia sẻ hay xuất kết quả cần Retexta Pro hoặc credit.
Đọc tiếp
Ghi âm trên điện thoại: chuyển ghi âm thành văn bản trên Android. Đọc email thay vì gõ: viết email bằng giọng nói trên Android. Hai giọng trong một bản ghi: gỡ băng phỏng vấn. Định dạng file: chuyển file MP3 thành văn bản. Thêm về ứng dụng: Retexta, chuyển giọng nói thành văn bản cho Android.
Nguồn
FLAME Apps kiểm tra ngày 25 và 26/9/2026.
- Google Cloud, Best practices, Cloud Speech-to-Text (tiếng Anh, cập nhật 18/9/2026): vị trí micro, clipping, tần số lấy mẫu, định dạng không mất dữ liệu, không tự điều chỉnh âm lượng hay giảm ồn, gợi ý từ và cụm từ. Đây là khuyến nghị cho dịch vụ của Google.
- Wikipedia, Word error rate (tiếng Anh): công thức WER = (S + D + I) / N.
- Trợ giúp Gboard, Nhập bằng giọng nói: chuyển giọng nói thành văn bản chỉ hoạt động với một số ngôn ngữ.
- Mã nguồn ứng dụng Retexta (Android, phiên bản 2026.1.23): tự nhận biết ngôn ngữ (
RecordScreen.kt,TranscriptionLanguageCatalog.kt), mô tả Clean up a text và thông báo lỗi (chuỗi văn bản của ứng dụng).
