Một buổi họp một tiếng, ghi âm bằng điện thoại, rồi ngồi nghe lại để gõ biên bản mất cả buổi chiều. Một video giới thiệu sản phẩm muốn có phụ đề để khách xem không bật tiếng vẫn hiểu. Cả hai việc đều bắt đầu từ cùng một bước: chuyển giọng nói thành văn bản. Bài này giới thiệu Whisper, mô hình nhận dạng giọng nói mã nguồn mở của OpenAI, cách dùng cho doanh nghiệp nhỏ và những điều cần cẩn thận. Thông tin lấy từ trang GitHub openai/whisper, kiểm tra sáng 28/10/2026 (giờ Việt Nam).
Whisper là gì?
README mô tả Whisper là mô hình nhận dạng giọng nói đa dụng, huấn luyện trên lượng lớn âm thanh đa dạng, làm được nhận dạng giọng nói nhiều ngôn ngữ, dịch lời nói sang tiếng Anh và nhận biết ngôn ngữ. Tiếng Việt nằm trong danh sách ngôn ngữ hỗ trợ.
- Giấy phép: theo README, cả mã nguồn và trọng số mô hình được phát hành theo giấy phép MIT.
- Mức độ quan tâm: khoảng 111.400 sao và 13.500 lượt fork (ngày 28/10/2026). Bản phát hành gần nhất trên GitHub là v20250625 (tháng 6/2025); repo không nằm trong danh sách GitHub Trending ngày và tuần khi kiểm tra. Đây là dự án đã ổn định, ít thay đổi lớn.
- Chạy ở đâu: trên máy tính của bạn, cần Python và công cụ
ffmpegđể đọc file âm thanh, video.
Dùng Whisper vào việc gì?
Biên bản họp, buổi làm việc với khách
Ghi âm buổi họp (khi mọi người đồng ý), chạy Whisper để có bản chữ, rồi người dự họp đọc lại, tóm tắt thành biên bản. Phần “gõ lại từ đầu” được thay bằng “đọc và sửa”.
Phụ đề video sản phẩm, video hướng dẫn
Whisper xuất được file phụ đề dạng srt và vtt, dùng được khi tải video lên YouTube hoặc nhúng video vào website. Phụ đề giúp người xem không bật tiếng vẫn hiểu nội dung; phần chữ còn có thể dùng làm mô tả video. Cách đặt video lên website có ở bài nhúng YouTube hay tải video lên trực tiếp.
Ghi chú từ tin nhắn thoại
Một số cửa hàng nhận nhiều tin nhắn thoại đặt hàng. Chuyển thành chữ giúp lưu lại, tìm kiếm và đối chiếu dễ hơn.
Cách dùng cơ bản
Cài đặt
README hướng dẫn cài bằng pip install -U openai-whisper và cài thêm ffmpeg qua trình quản lý gói của hệ điều hành. README ghi mã nguồn tương thích Python 3.8–3.11.
Chọn mô hình
Có sáu cỡ mô hình: tiny, base, small, medium, large, turbo. Mô hình càng lớn thường càng chính xác nhưng chậm hơn và cần máy mạnh hơn; README ước lượng bộ nhớ card đồ họa từ khoảng 1 GB (tiny, base) tới khoảng 10 GB (large). Bản turbo nhanh hơn nhiều so với large, nhưng README lưu ý turbo không được huấn luyện cho việc dịch. Với tiếng Việt, nên thử small hoặc medium trên một đoạn ghi âm mẫu trước.
Chạy lệnh
Ví dụ: whisper cuoc-hop.m4a --model medium --language Vietnamese --output_format srt. Chỉ định --language giúp tránh nhận nhầm ngôn ngữ; --output_format chọn được txt, vtt, srt, tsv, json hoặc tất cả.
Độ chính xác: cần người đọc lại
README cho biết chất lượng của Whisper thay đổi nhiều theo ngôn ngữ. Với tiếng Việt, kết quả phụ thuộc chất lượng ghi âm, giọng vùng miền, tiếng ồn và số người nói cùng lúc. Những lỗi hay gặp: tên riêng, tên sản phẩm, số tiền, số điện thoại. Vì vậy:
- Ghi âm gần người nói, ít tiếng ồn; mỗi người nói lần lượt.
- Có thể thử tùy chọn
--initial_promptchứa vài tên riêng thường gặp để mô hình tham khảo. - Luôn có người đọc lại, nhất là con số và cam kết trong biên bản.
Xin phép và giữ dữ liệu an toàn
Trước khi ghi âm cuộc họp, buổi làm việc hay cuộc gọi với khách, hãy thông báo và có sự đồng ý của người tham gia; không ghi lén. Bản ghi âm và bản chữ có thể chứa thông tin cá nhân, giá cả, hợp đồng: lưu ở nơi có mật khẩu, chỉ người cần mới xem được, xóa khi không còn dùng. Lợi thế của Whisper là chạy ngay trên máy tính của bạn, âm thanh không phải gửi lên dịch vụ bên ngoài. Nếu đã chạy AI tại chỗ, bài tự chạy AI bằng Ollama gợi ý thêm cách dùng bản chữ để tóm tắt, vẫn trên máy của bạn.
Liên quan gì đến website?
Phụ đề, bản chữ video hướng dẫn, phần hỏi đáp rút ra từ cuộc gọi khách là nguồn nội dung thật cho website: câu hỏi khách hay hỏi có thể thành bài viết, video có phụ đề thân thiện hơn trên điện thoại. AI giúp nhanh hơn, nhưng doanh nghiệp vẫn cần một website rõ ràng để đặt những nội dung đó. Doanh nghiệp trong tỉnh có thể xem cách WebCut làm website cho doanh nghiệp Quảng Ngãi.
Có video, tư liệu muốn đưa lên website cho gọn? Nhắn Zalo 0947805184 hoặc gọi 0947588971.
Câu hỏi thường gặp
Whisper có miễn phí không?
Mã nguồn và mô hình theo giấy phép MIT, tự chạy trên máy thì không tốn phí phần mềm; chi phí là máy tính và thời gian xử lý.
Máy không có card đồ họa có chạy được không?
Có thể chạy bằng CPU, nhưng chậm, nhất là mô hình lớn. Nên thử mô hình nhỏ trên đoạn ngắn trước.
Whisper có tách được từng người nói?
README không mô tả tính năng phân biệt người nói; bản chữ ra liền mạch, người đọc lại cần ghi ai nói gì.
Có thể dịch tiếng Việt sang tiếng Anh?
README có chế độ dịch sang tiếng Anh với các mô hình đa ngôn ngữ (không dùng turbo); bản dịch vẫn cần người kiểm tra.
