Nhập liệu bằng giọng nói miễn phí: Whisper cục bộ và các ứng dụng có sẵn

Trong ví dụ được mô tả ở đây, hầu hết mọi thứ đều được nhập bằng giọng nói: prompt cho Claude, ghi chú, bài đăng và câu trả lời trong ứng dụng nhắn tin. Nói nhanh hơn gõ bàn phím 3–4 lần. Whisper cục bộ có thể nhận dạng bản ghi trên máy tính của bạn. Nơi nhận văn bản là một ranh giới riêng tư khác: văn bản dán vào chat đám mây hoặc gửi cho dịch vụ trực tuyến sau đó được truyền đi theo cách hoạt động của dịch vụ ấy.

Hướng dẫn này đưa ra cách cài ứng dụng trực tiếp và một phép thử ngắn trước khi dựa vào tính năng đọc chính tả. Sau đó agent có thể giúp điều tra một lỗi cụ thể. Chúng ta cũng so sánh sự tiện lợi của ứng dụng trả phí có sẵn với lựa chọn cục bộ.

Vì sao nên đọc chính tả bằng giọng nói thay vì gõ?#

Khi làm việc với AI, thứ tốn thời gian nhất không phải là viết mã mà là diễn đạt. Bạn giải thích cho Claude cần làm gì, chỉnh sửa rồi làm rõ thêm. Gõ những lời giải thích đó mất nhiều thời gian. Nói thì nhanh hơn.

Các con số rất đơn giản: nói nhanh hơn gõ khoảng ba lần. Đó là khác biệt giữa “gõ một đoạn văn trong hai phút” và “nói đoạn đó trong ba mươi giây”. Cộng dồn trong cả ngày, bạn sẽ tiết kiệm được hàng chục phút.

Ngoài ra, bạn còn rảnh tay. Bạn có thể đi lại trong phòng, nhìn sang màn hình khác hoặc cầm một chiếc cốc. Với nhiều người, cách này còn loại bỏ một rào cản: nói dễ hơn là ngồi xuống viết điều gì đó.

Wispr Flow, superwhisper, Whisper: Khác nhau thế nào?#

Các tên gọi này dễ gây nhầm lẫn, vì vậy hãy lần lượt tìm hiểu.

Whisper (không có chữ “r” ở cuối, từ OpenAI) là một công cụ: mô hình mở chuyển giọng nói thành văn bản. Công cụ này miễn phí, mã nguồn mở và có thể chạy trực tiếp trên máy tính của bạn. Tự thân nó chỉ là một “động cơ” không có nút bấm hay cửa sổ—các ứng dụng có sẵn sử dụng nó bên dưới giao diện.

Wispr Flow (có chữ “r”, wisprflow.ai) là ứng dụng trả phí có sẵn cho Mac và Windows. Nhấn giữ một phím, nói, rồi văn bản xuất hiện trong bất kỳ ô nào có con trỏ. Tiện lợi, trau chuốt và dùng được ngay.

superwhisper (superwhisper.com) là ứng dụng tương tự cho Mac, Windows và iPhone. Ứng dụng có chế độ miễn phí dùng các mô hình cục bộ, còn phiên bản đầy đủ thì mất phí. Ý tưởng cũng vậy: nhấn giữ một phím, nói và nhận văn bản.

Handy ('<OFFICIAL_URL>') là ứng dụng miễn phí, mã nguồn mở, hoạt động ngoại tuyến trên Mac, Windows và Linux. Đây là lựa chọn miễn phí có sẵn để dùng nếu bạn không muốn thiết lập mọi thứ qua Claude Code (sẽ nói thêm bên dưới).

Cả hai chuyển lời nói thành văn bản nhưng mô hình, công cụ sửa và nơi xử lý có thể khác. App có sẵn giảm công thiết lập; Whisper cục bộ cho kiểm soát đường nhận dạng ngoại tuyến. Thử cùng câu gồm tên và thuật ngữ chuyên môn trước khi chọn.

Trả phí hay miễn phí: Wispr Flow và superwhisper thu phí cho những gì?#

Đây là bức tranh thực tế về các lựa chọn trả phí:

Những gì bạn thực sự trả tiền trong các ứng dụng trả phí:

• Giao diện có sẵn. Cài đặt là dùng được; không cần cấu hình gì.
• Lệnh bằng giọng nói. Các từ “dấu phẩy”, “đoạn mới” và “xóa nội dung vừa rồi” được nhận dạng thành lệnh chỉnh sửa (trong các phiên bản trả phí).
• Đồng bộ và từ điển. Tên, thuật ngữ và từ điển cá nhân của bạn được đồng bộ giữa các thiết bị.

Tất cả những điều này đều hữu ích. Nhưng chức năng nhận dạng giọng nói ở đó dùng cùng loại mô hình có sẵn miễn phí. Với cách thiết lập cục bộ được mô tả ở đây, bạn không cần thuê bao: bạn nói, văn bản xuất hiện.

Whisper cục bộ hoạt động thế nào và vì sao riêng tư?#

Các dịch vụ đám mây hoạt động như sau: giọng nói của bạn được gửi đến máy chủ của người khác để nhận dạng, rồi văn bản được gửi lại. Họ tính phí cho việc này (chi phí thuê máy chủ), và bạn phải tin tưởng công ty đó khi giao giọng nói của mình cho họ.

Whisper cục bộ dùng mô hình đã tải. Xem dung lượng tải thực tế trong ứng dụng và chờ hoàn tất; khi đó chế độ nhận dạng cục bộ đã chọn xử lý âm thanh trên máy. Nơi nhận văn bản là ranh giới riêng:

1. Nhấn giữ phím nóng và nói

   Micrô ghi âm khi phím đang được nhấn giữ.

2. Mô hình trên máy tính nhận dạng lời nói

   Âm thanh được chuyển thành văn bản ngay trên thiết bị, không cần internet.

3. Văn bản được chèn vào vị trí con trỏ

   Trong cuộc trò chuyện với Claude, tài liệu, thanh địa chỉ trình duyệt—bất cứ đâu.

Đường nhận dạng cục bộ không cần endpoint giọng nói trả phí và có thể chép lời khi không có internet sau khi mô hình đã tải xong. Kiểm tra trong trình soạn thảo văn bản cục bộ. Cách này không ngăn chat đám mây, đồng bộ clipboard hay nơi nhận khác truyền văn bản đi sau đó.

Whisper hiểu khoảng 99 ngôn ngữ, bao gồm cả những ngôn ngữ ít phổ biến hơn như tiếng Kazakh và tiếng Tatar. Các mô hình có nhiều kích cỡ—từ loại nhẹ nhất (nhanh nhưng thô hơn) đến loại lớn nhất (chính xác hơn nhưng nặng hơn).

Máy tính nào có thể xử lý nhập liệu bằng giọng nói?#

Khả năng tương thích và tốc độ tùy bản ứng dụng, mô hình, ngôn ngữ và phần cứng. Kiểm tra hệ điều hành và kiến trúc bộ xử lý mà trình cài hỗ trợ trước khi tải. Mô hình lớn cần nhiều bộ nhớ và dung lượng hơn; cài đặt thành công chưa chứng minh tốc độ nhận dạng đủ cho công việc của bạn.

Với cách dùng Handy bên dưới, bắt đầu bằng mô hình Whisper Small cục bộ và một câu ngắn. Kiểm tra dung lượng tải được ứng dụng hiển thị và chờ hoàn tất. Nếu nạp thất bại hoặc độ trễ quá cao, kiểm tra yêu cầu ứng dụng rồi thử mô hình cục bộ nhỏ hơn được hỗ trợ, thay vì cho rằng mọi máy tính xách tay cũ đều có hiệu năng như nhau. So sánh bản chép và độ trễ thật trên máy; hướng dẫn này không xác lập cấu hình tối thiểu hay thời gian hoàn tất chung cho mọi máy.

Một cách thiết lập đọc chính tả cục bộ có tài liệu cho macOS hoặc Windows#

Dùng Handy v0.9.8 làm ứng dụng cụ thể cho quy trình này. README đúng phiên bản mô tả chép lời Whisper cục bộ, phím tắt có thể cấu hình và quyền micrô/trợ năng. Quy trình dựa trên tài liệu; hướng dẫn này chưa thực hiện cài đặt hay phiên âm.

1. Tải trình cài đúng hệ điều hành và bộ xử lý từ tài sản phát hành chính thức của phiên bản đó. Cài và mở Handy. Kiểm tra đúng bản phát hành, thay vì ứng dụng cùng tên từ trang khác.
2. Tải và chọn mô hình Whisper Small cục bộ trong ứng dụng. Chờ tải xong. Tắt hậu xử lý trực tuyến tùy chọn khi kiểm tra nhận dạng cục bộ.
3. Cấp quyền micrô cho Handy. Trên macOS, cấp quyền Accessibility được yêu cầu để chèn vào ứng dụng khác trong System Settings → Privacy & Security. Xem tên ứng dụng và mục đích; đừng tự động duyệt yêu cầu không liên quan.
4. Trong Settings của Handy, đặt phím tắt chép lời là Ctrl+Shift+Space và chọn chế độ giữ phím để ghi âm. Đây là tổ hợp chủ động chọn, không phải mặc định được cam kết. Nếu ứng dụng từ chối hoặc chương trình khác đang dùng, chọn phím tắt còn trống và dùng cùng tổ hợp trong các phép thử sau.
5. Mở tài liệu văn bản thuần cục bộ, đặt con trỏ vào đó, giữ phím tắt đã cấu hình, nói “Voice input test, project alpha”, rồi thả phím. Ghi âm phải dừng và văn bản nhận dạng phải được chèn vào tài liệu đó. Kiểm tra từ ngữ và độ trễ; dấu câu có thể khác.
6. Khi ứng dụng và mô hình đã tải xong, ngắt mạng và lặp lại câu vô hại trong tài liệu cục bộ. Bản chép xuất hiện ở đó chứng minh đường phiên âm đã chọn có thể hoạt động ngoại tuyến. Kết nối mạng lại sau đó. Điều này không chứng minh chat đám mây nhận bản chép sẽ giữ văn bản tại máy.

Nếu cần agent giúp điều chỉnh, đưa prompt chẩn đoán có giới hạn sau:

I am using Handy v0.9.8 with a local Whisper Small model.
My operating system and processor are: [fill in actual values].
My chosen transcription shortcut is: [fill in the configured shortcut].
Observed result of the short local-editor test: [describe what happened].
Check the official instructions for this version. Identify the failing
stage: model download/loading, microphone capture, shortcut, or text insertion.
Explain each proposed permission or change before I apply it. Do not
switch to a cloud transcription API, buy anything, or delete existing files.

Chỉ dùng prompt như hỗ trợ tùy chọn cho lỗi cụ thể đã quan sát. Lời báo “sẵn sàng” của agent và thao tác nhấp Allow không thay thế phép thử chép lời và ngoại tuyến.

Cách kiểm tra xem công cụ có hoạt động không (và làm gì nếu không)#

Sau khi cấu hình ứng dụng, tải mô hình và đặt phím tắt, hãy tự kiểm tra trong trình soạn thảo văn bản cục bộ:

1. Đặt con trỏ trong tài liệu văn bản cục bộ

   Dùng tài liệu văn bản thuần cục bộ cho phép thử ngoại tuyến, tách khỏi chat đám mây hoặc ô trình duyệt.

2. Giữ phím tắt đã cấu hình

   Dùng đúng tổ hợp đặt trong Handy, chẳng hạn Ctrl+Shift+Space nếu tổ hợp đó dùng được.

3. Nói to một cụm từ ngắn

   Ví dụ: “kiểm tra nhập liệu bằng giọng nói”.

4. Thả các phím

   Văn bản sẽ xuất hiện tại vị trí con trỏ.

Nếu không thấy văn bản, đừng lo; đây là các vấn đề thường gặp. Sao chép prompt này vào cuộc trò chuyện Claude, Claude sẽ hướng dẫn bạn:

Phím tắt chép lời đã cấu hình trong Handy là: [tổ hợp thực tế].
Khi tôi giữ phím, nói rồi thả trong tài liệu thử cục bộ,
không có văn bản xuất hiện.

Hãy kiểm tra chính xác vấn đề là gì (không có quyền truy cập micrô,
không có quyền điều khiển máy tính, xung đột với phím nóng của hệ thống,
hay mô hình chưa được tải xuống) và hướng dẫn tôi
khắc phục từng bước.

Bắt đầu với các giai đoạn cụ thể sau; nguyên nhân khác vẫn có thể xảy ra:

• Không có quyền truy cập micrô. Hệ thống chưa cho phép chương trình nghe âm thanh—bạn cần cấp quyền trong phần cài đặt quyền riêng tư.
• Thiếu quyền chèn văn bản (Mac). Kiểm tra quyền Accessibility mà Handy yêu cầu trong System Settings → Privacy & Security, rồi thử lại trong trình soạn thảo văn bản cục bộ.
• Xung đột phím tắt. Kiểm tra tổ hợp đã cấu hình trong Handy có bị ứng dụng khác dùng không. Nếu đổi, chọn tổ hợp còn trống và dùng đúng tổ hợp mới khi thử lại.
• Mô hình chưa tải hoặc nạp xong. Xem trạng thái trong ứng dụng và hoàn tất tải mô hình cục bộ đã chọn trước khi thử lại. Đừng âm thầm chuyển sang dịch vụ chép lời trực tuyến.

Nếu không cài đặt được gì thì sao?#

Đôi khi bạn không có thời gian khắc phục sự cố nhưng vẫn muốn đọc chính tả ngay hôm nay. Khi đó, hãy bật tính năng nhập liệu bằng giọng nói tích hợp sẵn của hệ thống; tính năng này miễn phí:

• Mac: “System Settings” → “Keyboard” → “Dictation” → bật lên. Trên chip Apple, nhận dạng chạy ngoại tuyến ngay trên thiết bị.
• Windows: nhấn Win + H để mở bảng nhập liệu bằng giọng nói. Lưu ý: tính năng này hoạt động qua internet (nhận dạng chạy trên máy chủ của Microsoft), nên không phải xử lý ngoại tuyến riêng tư.

Tính năng hoạt động ngay mà không cần cài đặt. Chất lượng khiêm tốn hơn Whisper cục bộ. Nhưng để tránh bị mắc kẹt và bắt đầu viết bằng giọng nói ngay hôm nay thì đây là lựa chọn hoàn toàn ổn.

Nên chọn Wispr Flow hay Whisper miễn phí?#

Hướng dẫn nhanh để chọn:

Lựa chọn cục bộ tránh thuê bao nhận dạng và tạo đường chép lời ngoại tuyến. Hãy kiểm tra chất lượng, tốc độ và hoạt động ngoại tuyến trên máy trước khi dựa vào nó. Ứng dụng thương mại có thể hợp hơn nếu quy trình giúp tiết kiệm nhiều thời gian hơn; so sánh bằng cùng câu không có thông tin nhạy cảm.

Hãy thử đọc chính tả prompt đầu tiên của bạn. Theo trải nghiệm được mô tả ở đây, sau vài ngày dùng nhập liệu bằng giọng nói, mọi người gần như ngừng gõ các văn bản dài trên bàn phím.