Speech-to-Text
Chuyển giọng nói thành văn bản tiếng Việt
- Streaming thời gian thực qua WebSocket và xử lý file qua REST
- Hiểu tiếng Việt nói xen tiếng Anh, số, tiền, ngày tháng
- Mốc thời gian theo từng từ, nhiều giọng vùng miền
Nền tảng AI tiếng nói tiếng Việt
AI tiếng nói tiếng Việt số 1 cho doanh nghiệp
Speech-to-Text, Text-to-Speech và LLM tiếng Việt chính xác, thời gian thực — từ đội ngũ đã triển khai AI giọng nói cho hàng trăm doanh nghiệp, tập đoàn tại Việt Nam, Mỹ, Mexico, Philippines và Thái Lan.
$5 miễn phí mỗi ngày · Không cần thẻ
11,84%WER trung bình — ít lỗi hơn 38% so với mô hình mã nguồn mở phổ biến
69.517 giờdữ liệu giọng nói tiếng Việt đã thu thập
24 ngôn ngữcho dịch thuật và họp đa ngôn ngữ
$5 / ngàymiễn phí cho mọi tài khoản
Kinh nghiệm triển khai tại
Việt Nam Hoa Kỳ Mexico Philippines Thái Lan
Ba mô hình, một nền tảng
Một tài khoản, một API key, một số dư cho mọi dịch vụ.
Text-to-Speech
Giọng đọc AI tự nhiên như người thật
- Giọng Việt và Anh, phát streaming ngay từ chữ đầu tiên
- Định dạng tổng đài 8 kHz G.711 μ-law / A-law
- Nhân bản giọng nói từ 20 giây – 2 phút ghi âm (có đồng ý)
aivision-L1.0
Mô hình ngôn ngữ lớn tiếng Việt
- API tương thích OpenAI — đổi base URL là chạy
- Tóm tắt, hỏi đáp, biên bản, dịch, phân tích hội thoại
- Streaming, tiếng Việt và tiếng Anh
Ứng dụng AI dùng ngay, không cần lập trình
Hana · Talk with Your Friend
Trò chuyện bằng giọng nói với nhân vật AI, hoặc tạo nhân vật từ chính giọng của bạn.
AI Voice Note
Ghi âm, chép lời, làm biên bản cuộc họp và hỏi đáp trên nội dung đã ghi.
Dịch trực tiếp
Phụ đề hai ngôn ngữ chạy theo thời gian thực cho hội thảo, lớp học, livestream.
Phiên dịch giọng nói
Nói tiếng A, người đối diện nghe tiếng B — thủ công hoặc tự động luân phiên.
Phòng họp đa ngôn ngữ
Mỗi người chọn ngôn ngữ của mình, nghe và đọc người khác bằng tiếng mẹ đẻ.
Độ chính xác đo bằng số, không bằng lời hứa
Tỉ lệ lỗi từ (WER, càng thấp càng tốt) trên bốn bộ kiểm thử tiếng Việt độc lập, so với một mô hình nhận dạng đa ngôn ngữ mã nguồn mở được dùng rộng rãi.
Số liệu nội bộ của AIVISION trên dữ liệu không dùng để huấn luyện. ViMedCSS: hội thoại y khoa có thuật ngữ tiếng Anh; AIV meetings: cuộc họp doanh nghiệp thực tế.
| Bộ kiểm thử | AIVISION | Mô hình mã nguồn mở |
|---|---|---|
| FLEURS-vi | 4,58% | 7,52% |
| VIVOS | 6,83% | 9,01% |
| ViMedCSS | 15,68% | 28,70% |
| AIV meetings | 20,29% | 31,54% |
| Trung bình | 11,84% | 19,19% |
Vì sao doanh nghiệp chọn AIVISION
Sinh ra cho tiếng Việt
Huấn luyện trên 9.043 giờ tiếng Việt chọn lọc từ kho 69.517 giờ — thanh điệu, giọng ba miền, nói nhanh, nói xen tiếng Anh.
Thời gian thực
Kết quả hiện ra khi người nói còn đang nói; giọng đọc AI phát ngay từ chữ đầu tiên.
Một nền tảng trọn gói
Nghe, hiểu và nói: STT, LLM và TTS chung một tài khoản, một API, một hoá đơn.
Giá minh bạch
Tính theo token bằng 70% giá niêm yết của Gemini cho mô hình tương ứng. $5 miễn phí mỗi ngày.
Dễ tích hợp
REST, WebSocket, API tương thích OpenAI, tài liệu và ví dụ có sẵn.
Kinh nghiệm quốc tế
Đội ngũ đã triển khai cho hàng trăm doanh nghiệp tại Việt Nam, Mỹ, Mexico, Philippines và Thái Lan.
Giải pháp theo ngành
- Tổng đài & chăm sóc khách hàng
- Ngân hàng & tài chính
- Y tế
- Giáo dục & e-learning
- Báo chí & truyền thông
- Khu vực công
- Bán lẻ & thương mại điện tử
- Doanh nghiệp FDI
Tích hợp trong vài phút
Lấy API key trong console, gửi âm thanh, nhận văn bản. Ngôn ngữ mô hình dùng chuẩn OpenAI — đổi base URL là chạy.
Tài liệu API →# Speech-to-Text: a file in, text out
curl https://s2s.aivgroups.com/v1/transcribe \
-H "Authorization: Bearer $AIVISION_KEY" \
-F file=@cuoc-hop.mp3 -F language=vi
# LLM: OpenAI-compatible
from openai import OpenAI
client = OpenAI(base_url="https://s2s.aivgroups.com/v1", api_key=AIVISION_KEY)
reply = client.chat.completions.create(model="aivision-L1.0",
messages=[{"role": "user", "content": "Tóm tắt cuộc họp này..."}])
Người đứng sau AIVISION
Dr. Giang Vo
CEO, AIVISION
Dr. Giang Vo dẫn dắt AIVISION xây dựng nền tảng AI tiếng nói cho tiếng Việt — từ kho dữ liệu, mô hình nhận dạng, giọng đọc đến các ứng dụng — và trực tiếp đồng hành cùng khách hàng khi triển khai.
Bài viết mới nhất
Blog →AI nhận dạng phương ngữ tiếng Việt: Giọng Bắc, Trung, Nam
Tìm hiểu thách thức và giải pháp AI trong việc nhận diện các phương ngữ tiếng Việt, từ giọng Bắc đến Nam, giúp tối ưu hóa trải nghiệm người dùng.
Đạo đức AI giọng nói: Phòng chống deepfake âm thanh hiệu quả
Bài viết phân tích sâu về đạo đức AI giọng nói, các rủi ro từ deepfake âm thanh và giải pháp kỹ thuật, quy trình bảo mật chuẩn mực.
Tương lai AI tiếng Việt 2030: Xu hướng speech và ngôn ngữ
Bài viết phân tích chi tiết các xu hướng AI chủ đạo sẽ định hình thị trường công nghệ đến năm 2030, tập trung vào khả năng hiểu và tạo ra giọng nói tự nhiên của AI tiếng Việt.
Câu hỏi thường gặp
AIVISION s2speech là gì?
s2speech là nền tảng AI tiếng nói của AIVISION gồm Speech-to-Text, Text-to-Speech và mô hình ngôn ngữ aivision-L1.0, cùng các ứng dụng sẵn dùng như Voice Note, Dịch trực tiếp, Phòng họp đa ngôn ngữ.
Speech-to-Text của AIVISION chính xác đến đâu?
Trên bốn bộ kiểm thử tiếng Việt độc lập, mô hình của AIVISION có tỉ lệ lỗi từ trung bình 11,84%, ít lỗi hơn khoảng 38% so với một mô hình mã nguồn mở đa ngôn ngữ phổ biến (19,19%).
Có dùng thử miễn phí không?
Có. Mỗi tài khoản có $5 sử dụng miễn phí mỗi ngày cho mọi dịch vụ, tự làm mới lúc 0 giờ, không cần thẻ.
Giá được tính thế nào?
Mọi dịch vụ tính theo token, bằng 70% giá niêm yết của Gemini cho mô hình tương ứng. Nạp thêm bằng chuyển khoản từ 50.000đ ($2), số dư được cộng tự động.
Hỗ trợ những ngôn ngữ nào?
Tiếng Việt là trọng tâm, cùng tiếng Anh; các ứng dụng dịch và họp hỗ trợ 24 ngôn ngữ, gồm Tây Ban Nha, Filipino, Thái, Trung, Nhật, Hàn, Indonesia.
Làm sao tích hợp vào hệ thống của tôi?
Tạo API key trong console và gọi REST hoặc WebSocket. Mô hình ngôn ngữ dùng API tương thích OpenAI nên các thư viện quen thuộc chạy được ngay.
Sẵn sàng đưa AI tiếng nói vào doanh nghiệp của bạn?
Dùng thử miễn phí ngay hôm nay, hoặc trao đổi trực tiếp với Dr. Giang Vo.