Trong nhiều năm, nhập liệu bằng giọng nói đã âm thầm gửi một thông điệp đến bất kỳ ai không nói tiếng Anh chuẩn Mỹ: công cụ này không được tạo ra cho bạn. Nếu tiếng Anh của bạn pha giọng Việt, Hindi, Nigeria, Bồ Đào Nha Brazil, Nga, Hàn Quốc, hay bất kỳ hương vị nào khác trong hàng trăm kiểu tiếng Anh pha giọng tồn tại trên thế giới, trải nghiệm đều giống nhau. Bạn nói một câu đầy đủ. Công cụ tạo ra thứ gì đó nhận ra được nếu bạn may mắn, vô nghĩa nếu không, và khi vội vàng là một mớ hỗn độn đáng xấu hổ các từ sai. Bạn sửa bằng cách gõ phím. Bạn ngừng dùng nhập liệu bằng giọng nói.
Câu chuyện đó đã kéo dài khoảng mười lăm năm. Năm 2026, nó không còn đúng nữa, và việc hiểu lý do là điều đáng giá, vì thay đổi này không phải là marketing mà là kỹ thuật, và nó có hệ quả thực tế đối với cách hàng triệu người làm việc.
Tại sao nhập liệu bằng giọng nói từng thất bại với người nói có giọng địa phương
Các hệ thống nhận dạng giọng nói cũ được huấn luyện trên các tập dữ liệu hẹp. Một sản phẩm nhập liệu thương mại điển hình của những năm 2010 học từ có lẽ vài nghìn giờ giọng nói đã ghi âm, phần lớn là Bắc Mỹ, nhiều trong đó được các diễn viên lồng tiếng chuyên nghiệp đọc. Các hệ thống phù hợp rất tốt với tập dữ liệu đó và rất kém với mọi thứ bên ngoài.
Các nhà nghiên cứu ngữ âm học đã ghi nhận khoảng cách này chi tiết. Các nghiên cứu so sánh tỷ lệ lỗi nhận dạng giọng nói giữa các giọng địa phương liên tục phát hiện rằng người nói tiếng Anh không bản ngữ có tỷ lệ lỗi cao gấp hai đến ba lần so với người bản ngữ, và rằng một số nền L1 – tiếng Quan Thoại, tiếng Việt, tiếng Ả Rập – tạo ra tỷ lệ lỗi cao hơn vì ngữ điệu và kho âm vị của họ lệch rõ nhất so với dữ liệu huấn luyện.
Trải nghiệm người dùng của điều này gây bực bội theo một cách đặc biệt. Bạn có thể nói rõ ràng và bị nghe sai. Bạn có thể phát âm mạnh hơn và bị nghe sai còn tệ hơn, vì phát âm quá kỹ thường đẩy giọng nói xa hơn khỏi phân bố huấn luyện. Không có kỹ thuật nào hiệu quả, chỉ có sự nhận ra chậm rãi rằng công cụ được thiết kế quanh một giọng nói không phải là của bạn.
Điều gì đã thay đổi từ 2024 đến 2026
Ba điều xảy ra gần như cùng lúc.
Thứ nhất, dữ liệu huấn luyện bùng nổ. Whisper, do OpenAI phát hành cuối năm 2022, được huấn luyện trên khoảng 680.000 giờ âm thanh đa ngôn ngữ thu thập từ web. Đó là khoảng một trăm lần quy mô của các tập dữ liệu đã vận hành nhập liệu thương mại trong thập kỷ trước, và quan trọng là dữ liệu không được chọn lọc theo giọng. Video YouTube của các kỹ sư ở Bangalore, podcast do các nhà sáng tạo Philippines thực hiện, bản ghi phỏng vấn với các tác giả Nigeria, các bài giảng bằng tiếng Anh có giọng từ các trường đại học khắp thế giới – tất cả đều vào tổ hợp. Mô hình kết quả đã thấy một phân bố giọng nói rộng hơn nhiều so với bất cứ điều gì trước đó.
Thứ hai, kiến trúc thay đổi. Các mô hình giọng nói dựa trên transformer giỏi hơn trong việc sử dụng ngữ cảnh tầm xa để giải quyết các âm vị mơ hồ. Nếu bạn phát âm từ "schedule" theo cách nghe như nửa chừng giữa phiên bản Anh và Mỹ, hệ thống cũ sẽ chọn một và đôi khi chọn sai. Một transformer hiện đại nhìn vào các từ xung quanh, hiểu ra rằng bạn có lẽ đang nói về lịch làm việc và tạo ra token đúng.
Thứ ba, hậu xử lý với mô hình ngôn ngữ trở nên rẻ. ElevenLabs Scribe, Whisper-large-v3 của Groq và Universal-2 của AssemblyAI đều ghép một mô hình giọng nói với một mô hình ngôn ngữ làm sạch đầu ra – sửa "eye" đã phiên sang "I" khi ngữ pháp yêu cầu, chuẩn hóa cách viết tiếng Anh Anh và tiếng Anh Mỹ theo sở thích của người dùng, chèn dấu câu mà người nói không dừng lại. Lớp làm sạch che đi nhiều lỗi liên quan đến giọng còn lại.
Hiệu ứng tích lũy là nhập liệu bằng giọng nói năm 2026 không chỉ tốt hơn cho người nói có giọng địa phương, nó đã vượt qua một ngưỡng. Với nhiều người dùng, đó là năm đầu tiên nó thực sự hoạt động.
Những giọng vẫn làm khó các công cụ phổ thông
Không phải mọi sản phẩm đã bắt kịp. Dictation tích hợp của Apple trên macOS vẫn sử dụng mô hình được tối ưu cho tiếng Anh Bắc Mỹ, và người nói không bản ngữ tiếp tục báo cáo những bực bội tương tự như năm năm trước. Nhập liệu bằng giọng nói của Google trong Docs và Android đã cải thiện, nhưng tụt hậu với người nói các biến thể tiếng Anh Đông Nam Á và người có L1 là ngôn ngữ thanh điệu. Dragon NaturallySpeaking, công cụ Windows cổ điển, được xây trên một mô hình cũ và chưa thực hiện bước nhảy.
Các công cụ xử lý tiếng Anh có giọng tốt vào năm 2026 chủ yếu là những công cụ được xây trên các mô hình nền mới: ElevenLabs Scribe v2, Whisper-large-v3 do Groq cung cấp, và các mô hình độc quyền được huấn luyện bởi một số sản phẩm nhập liệu mới hơn. Nếu giọng của bạn đã làm bạn thất vọng, nâng cấp không phải là cố gắng nhiều hơn với công cụ bạn đang có. Đó là thử một công cụ khác.
Một bài kiểm tra thực tế cho giọng của riêng bạn
Trước khi cam kết với bất kỳ sản phẩm nào, hãy chạy cùng một đoạn qua nhập liệu bằng giọng nói bạn đang dùng hôm nay và qua một lựa chọn hiện đại. Một đoạn kiểm tra hữu ích là khoảng ba trăm từ viết tự nhiên. Đọc nó bằng giọng nói bình thường, không chậm lại, không phóng đại.
Hãy xem tỷ lệ lỗi qua bốn hạng mục: danh từ riêng (tên, thành phố, sản phẩm), từ kỹ thuật (biệt ngữ ngành), từ chức năng (giới từ, mạo từ, đại từ), và từ nội dung (động từ, danh từ thông dụng). Các hệ thống cũ có xu hướng xử lý tốt từ chức năng và thất bại ở danh từ riêng và từ kỹ thuật. Các hệ thống hiện đại xử lý cả bốn hợp lý, với lỗi còn lại tập trung ở danh từ riêng không thông dụng.
Nếu bạn đang thấy nhiều hơn hai lỗi trên một trăm từ trên một công cụ hiện đại, vấn đề thường không phải là giọng của bạn, mà là môi trường xung quanh. Tiếng ồn nền, micro laptop hướng vào bàn phím thay vì miệng bạn, hoặc căn phòng có tường cứng tạo tiếng vọng – tất cả những điều đó sẽ làm giảm độ chính xác. Giải pháp là micro tốt hơn, không phải giọng khác.
Talkpad xử lý tiếng Anh có giọng như thế nào
Talkpad chạy chuỗi dự phòng đa nhà cung cấp. ElevenLabs Scribe v2 là engine chính, Azure Speech là dự phòng production, và Groq Whisper vẫn là dự phòng legacy khi Azure không khả dụng. Cả ba đều là các mô hình nền hiện đại được huấn luyện trên dữ liệu đa ngôn ngữ rộng.
Hệ quả thực tế đối với người nói có giọng là sàn độ chính xác được thiết lập bởi cái yếu nhất trong ba, vẫn mạnh hơn bất cứ thứ gì một sản phẩm nhập liệu cũ cung cấp. Trần – mà bạn thường đạt được – được thiết lập bởi Scribe, một trong những mô hình hoạt động tốt nhất trên tiếng Anh có giọng hiện tại.
Chúng tôi có người dùng với ngôn ngữ thứ nhất là tiếng Việt, tiếng Indonesia, tiếng Hàn, tiếng Hindi, tiếng Đức, tiếng Bồ Đào Nha Brazil, tiếng Thổ Nhĩ Kỳ, tiếng Ý, và nửa tá biến thể tiếng Anh có giọng từ khắp Commonwealth. Tỷ lệ lỗi từ cho những người dùng đó nằm trong khoảng một đến hai điểm phần trăm của người dùng tiếng Anh Mỹ bản ngữ. Khoảng cách tồn tại vào những năm 2010 đã biến mất về mặt chức năng.
Nói tự nhiên so với nói cẩn thận
Một bản năng phổ biến ở người nói có giọng là chậm lại và phát âm rõ hơn khi dùng nhập liệu bằng giọng nói. Điều này gần như luôn phản tác dụng. Các mô hình giọng nói hiện đại được huấn luyện trên giọng nói hội thoại tự nhiên, và phát âm quá kỹ đẩy giọng của bạn ra khỏi phân bố mà mô hình mong đợi. Một cách phản trực giác, nói với nhịp điệu bình thường và phát âm bình thường tạo ra kết quả tốt hơn là nói như một phát thanh viên tin tức.
Ngoại lệ là các danh từ riêng mà mô hình chưa thấy nhiều. Nếu bạn đang đọc một tin nhắn chứa một cái tên không thông dụng – một đồng nghiệp từ quê nhà, một công cụ địa phương, một thương hiệu khu vực – có thể hữu ích khi đánh vần hoặc gõ từ đó sau khi nói. Mô hình sẽ xử lý chín mươi chín phần trăm văn bản xung quanh tốt hơn là bạn làm bằng tay.
Chuyển đổi mã và câu hỗn hợp ngôn ngữ
Nhiều người dùng đa ngôn ngữ không nói bằng một ngôn ngữ duy nhất. Một kỹ sư người Philippines có thể nói "pwede ba we move the meeting to three", một quản lý sản phẩm người Tây Ban Nha có thể viết "hay un bug in the checkout flow". Các hệ thống giọng nói cũ giả định một ngôn ngữ mỗi phiên và buộc người dùng phải chọn. Các mô hình hiện đại xử lý chuyển đổi mã giữa câu tốt hơn nhiều, dù không có cái nào xử lý hoàn hảo.
Nếu công việc của bạn liên quan đến chuyển đổi mã, lời khuyên thực dụng là đặt ngôn ngữ nhập liệu của bạn là ngôn ngữ chính của câu. Phần lớn nội dung sẽ được phiên âm chính xác, và các từ nhúng trong ngôn ngữ kia sẽ qua được hoặc gần đủ để sửa bằng chỉnh sửa nhỏ.
Thay vào đó, nhập liệu bằng ngôn ngữ mẹ đẻ của bạn
Có một lựa chọn khác mà nhiều người nói tiếng Anh có giọng bỏ qua: đừng nhập liệu bằng tiếng Anh chút nào. Nhập liệu bằng ngôn ngữ bạn suy nghĩ, và để công cụ dịch. Các bàn phím giọng nói hiện đại có chế độ dịch có thể nhận tiếng Việt, tiếng Tagalog, tiếng Hindi, hoặc một trong hàng trăm ngôn ngữ khác làm đầu vào và tạo ra tiếng Anh trực tiếp tại con trỏ của bạn. Nhận dạng giọng nói xảy ra trên ngôn ngữ mẹ đẻ của bạn, nơi độ chính xác của bạn cao nhất, và việc dịch xảy ra trên văn bản, nơi cũng rất đáng tin cậy.
Cùng thiết lập hoạt động theo chiều ngược lại. Nếu ngôn ngữ mẹ đẻ của bạn là tiếng Anh nhưng bạn cần viết tin nhắn bằng tiếng Nhật hoặc tiếng Hàn cho công việc, bạn có thể nói tiếng Anh và văn bản xuất hiện bằng ngôn ngữ đích. Gánh nặng tinh thần của việc soạn bằng ngôn ngữ thứ hai biến mất, và chất lượng đầu ra thường tốt hơn những gì một người viết không bản ngữ sẽ tạo ra bằng cách gõ phím.
Điều này có ý nghĩa gì cho công việc hàng ngày của bạn
Đối với bất kỳ ai đã từ bỏ nhập liệu bằng giọng nói nhiều năm trước vì nó không hiểu giọng của họ, khuyến nghị chân thành là thử lại. Hạng mục đã thay đổi. Các công cụ hoạt động vào năm 2018 đã âm thầm bị vượt qua bởi một thế hệ sản phẩm mới, và những cái mới xử lý giọng nói có giọng theo cách gần như không công bằng so với những gì đã đến trước.
Bắt đầu với giọng nói bình thường của bạn, trên một micro tốt, trong một căn phòng tương đối yên tĩnh. Nếu công cụ bạn chọn là hiện đại, bạn sẽ thấy tỷ lệ lỗi biến nhập liệu bằng giọng nói thành một bước đột phá năng suất thực sự, thay vì một điều mới lạ chỉ hoạt động với người khác. Đối với người dùng song ngữ và đa ngôn ngữ, đường dẫn dịch là một đòn bẩy bổ sung đơn giản là không khả dụng cho đến gần đây.
Khoảng cách mà giọng từng tạo ra đã đóng lại. Dặm cuối là chọn đúng công cụ và tin tưởng vào giọng nói của chính bạn.
Thử Talkpad trên Mac – dịch thời gian thực, miễn phí. 2.500 từ mỗi tuần trên gói miễn phí, không cần thẻ.
Tải xuống cho macOS
Tham gia danh sách chờ Windows