Top 6 App Chuyển Âm Thanh Thành Văn Bản Tiếng Việt Miễn Phí Tốt Nhất 2026

Bạn ghi âm trọn buổi học hai tiếng ở giảng đường, đưa lên một app chuyển âm thanh thành văn bản, rồi nhận lại một trang chữ sai dấu hàng loạt. Thuật ngữ tiếng Anh thầy nói xen vào thì biến mất hẳn.

Vấn đề không nằm ở chỗ bạn chọn nhầm app. Tiếng Việt có sáu thanh điệu ghi bằng dấu, nên một dấu sai là một từ khác chứ không phải một lỗi chính tả nhỏ. Thêm vào đó, giảng viên hay nói xen thuật ngữ tiếng Anh, và phòng học lớn thì vang. Ba thứ khó cùng lúc.

1. Tiêu chí chọn app bóc băng ghi âm tiếng Việt chuẩn xác, không lỗi dấu

Bốn tiêu chí, xếp theo mức độ quan trọng với sinh viên.

Xử lý dấu thanh. Quan trọng nhất, khó kiểm chứng nhất. Cách thử: tải lên hai phút ghi âm, soát riêng các từ dễ nhầm hỏi với ngã. Trả về văn bản không dấu thì bỏ qua luôn.

Câu pha Việt – Anh. Lớp kỹ thuật, kinh tế, y khoa gần như luôn có từ tiếng Anh xen giữa câu. Sonix ghi trong hướng dẫn của họ rằng các đoạn pha ngôn ngữ hay sai và nên soát tay.

Giọng vùng miền. Cũng theo Sonix, nên soát kỹ những đoạn có giọng miền Trung hoặc miền Nam đậm trước khi xuất file.

Dấu thời gian và xuất file. Dấu thời gian theo từng từ giúp bạn quay lại đúng đoạn chưa hiểu. Xuất ra Word hoặc SRT để bản chép lại còn dùng tiếp được.

Vì sao con số "99% chính xác" không so sánh được

Có hai lý do, và lý do thứ hai gần như không ai nói với bạn.

Thứ nhất, con số trên trang bán hàng thường không kèm điều kiện đo. Mở trang Speech to Text của ElevenLabs hôm nay, phần độ chính xác là hai biểu đồ cột: trục chia 80–100%, các cột đặt cạnh Gemini, GPT-4o và Assembly AI. Không ghi bộ dữ liệu, không ghi thước đo, và không ghi ngôn ngữ nào.

Với người đọc tiếng Việt thì chi tiết cuối cùng đó mới là chi tiết đáng giá nhất. Một mô hình dẫn đầu ở tiếng Anh chưa nói được gì về tiếng Việt, mà các bảng xếp hạng kiểu này gần như luôn đo bằng tiếng Anh.

Thêm nữa, mỗi hãng tự chọn ai được đứng cạnh mình trong biểu đồ. Hai hãng chọn hai nhóm đối thủ khác nhau thì hai biểu đồ không bắc cầu được với nhau, dù mỗi bên đều đúng trong phạm vi bảng của mình.

Vì vậy phần dưới đây dựa vào nguồn học thuật: kết quả công bố kèm bộ dữ liệu, kèm thước đo, và không bị viết lại mỗi lần trang web đổi giao diện.

Thứ hai, loại âm thanh đem ra đo không phải loại bạn cần. FLEURS và Common Voice là câu đọc sẵn, thu trong điều kiện tốt. Giảng đường thì ồn, và giảng viên nói tự nhiên chứ không đọc.

Khoảng cách giữa hai thứ đó đo được. Bảng kết quả do chính nhóm PhoWhisper công bố cho thấy cùng một mô hình PhoWhisper-large đạt 8,14 trên Common Voice tiếng Việt nhưng 26,68 trên bộ VLSP 2020 Task-2 — bộ dữ liệu mà ban tổ chức mô tả là giọng nói tự nhiên, nhiều tạp âm. Hơn ba lần chênh lệch, trên đúng một mô hình, chỉ vì đổi loại âm thanh.

Thêm một chi tiết đáng biết: vì tiếng Việt viết rời từng âm tiết, VLSP — tổ chức chạy các kỳ đánh giá ASR tiếng Việt — đã bỏ WER và chuyển sang chấm bằng SyER, tỷ lệ lỗi theo âm tiết, từ kỳ 2021. Một con số đẹp trên bộ dữ liệu đọc sẵn vì thế chưa nói được gì về chuyện công cụ đó nghe giảng viên của bạn ra sao.

Còn "99%" nên đọc là điều kiện lý tưởng. Ngay Sonix, trong phần hỏi đáp của chính họ, ghi con số thực tế là 85–99% tùy chất lượng âm thanh.

2. So sánh chi tiết 6 công cụ nhận diện giọng nói tiếng Việt hàng đầu

Mọi số liệu dưới đây do nhà cung cấp tự công bố, chưa qua kiểm định độc lập. Cập nhật tháng 9/2026.

Công cụ Số liệu hãng tự công bố Điểm mạnh cho sinh viên Cần lưu ý
PhoWhisper (VinAI Research) Tinh chỉnh Whisper trên 844 giờ dữ liệu nhiều giọng tiếng Việt; năm kích cỡ từ tiny đến large Mã nguồn mở, miễn phí, chạy được ngoại tuyến; dữ liệu huấn luyện là tiếng Việt chứ không phải đa ngữ Cần biết chút kỹ thuật để cài; không có giao diện sẵn
ElevenLabs Scribe v2 Trang sản phẩm chỉ có biểu đồ cột, không kèm bộ dữ liệu hay thước đo Dấu thời gian theo từng từ, phân tách người nói, gắn nhãn sự kiện âm thanh; khai báo trước được từ khóa chuyên ngành; có bản miễn phí Không có số liệu riêng cho tiếng Việt để đối chiếu
Speechmatics Trang tiếng Việt nêu 90% với độ trễ dưới 1 giây ở chế độ thời gian thực Chạy được thời gian thực; nêu rõ có huấn luyện cho giọng vùng miền và câu pha ngôn ngữ Các con số WER hãng hay dẫn là bảng đa ngữ, không phải riêng tiếng Việt
Sonix Quảng cáo "99%", FAQ của chính hãng ghi 85–99% tùy chất lượng âm thanh Nhanh gấp 10 lần thời gian thực (1 giờ ≈ 5–6 phút); xuất 18+ định dạng; 30 phút miễn phí Hết 30 phút miễn phí là phải trả tiền
V-IONE (FSI, Việt Nam) Tối đa 98%, trung bình trên 90%; nêu hỗ trợ cả ba miền Sản phẩm trong nước; xử lý đơn vị hành chính và cách viết hoa theo chuẩn Việt Nam; tách đoạn theo người nói Thiên về khách hàng tổ chức; số liệu do hãng và báo chí trong nước công bố
Ứng dụng có sẵn trên máy (Google Recorder, ghi âm iOS) Không công bố Miễn phí hoàn toàn, không cần tài khoản, luôn có sẵn trong túi Không có dấu thời gian theo từng từ, không khai báo được thuật ngữ, xuất file hạn chế

Chọn nhanh. Cần dấu thời gian để ôn thi thì ưu tiên ElevenLabs hoặc Speechmatics. Chỉ nghe lại một lần thì ứng dụng có sẵn là đủ. Tài liệu hành chính tiếng Việt thuần thì V-IONE hợp hơn. Học công nghệ thông tin và không ngại dòng lệnh? Trong bảng trên, PhoWhisper là cái tên duy nhất vừa miễn phí vừa được huấn luyện riêng cho tiếng Việt.

3. Cách xử lý file ghi âm giảng đường nhiều tiếng ồn và tạp âm

Không công cụ nào cứu được file đã ghi hỏng. Chất lượng âm thanh đầu vào đặt ra giới hạn trên cho kết quả bóc băng. Ba mươi giây chuẩn bị đáng giá hơn một buổi tối sửa chữ.

Trước khi bấm ghi, ba việc:

  1. Ngồi trong khoảng một phần ba đầu phòng. Giảng đường bậc thang vang mạnh ở cuối; gần bục thì micro thu được tiếng trực tiếp thay vì tiếng dội.
  2. Đặt điện thoại nằm ngửa trên bàn, đừng để trong túi. Vải làm mờ dải tần cao, mà đó chính là chỗ phân biệt dấu thanh.
  3. Tắt rung. Một thông báo rung trên mặt bàn gỗ nghe to hơn cả giọng giảng viên.

Có ô khai báo từ khóa thì nhập trước tên môn và các từ chuyên ngành. Cách này rẻ nhất, và hiệu quả hơn mọi thao tác sửa về sau.

Nếu file đã bị ồn rồi: cắt bỏ đoạn ồn lúc cả lớp vào chỗ và lúc thu dọn ra về, lọc tiếng ồn nền một lượt bằng công cụ chỉnh âm miễn phí, rồi chia thành đoạn 20–30 phút. Nhiều công cụ giảm độ chính xác ở file rất dài.

Khi soát, đừng đọc tuần tự. Soát trước công thức, con số, tên riêng và từ tiếng Anh. Đó vừa là chỗ sai nhiều nhất, vừa là chỗ hại nhất lúc ôn thi.

4. Khi bản chép lại bị lỗi font, mất dấu

Có một tình huống hay bị nhầm với lỗi nhận dạng. Chữ hiện ra dạng «Thõa Thiªn HuÕ» thay vì «Thừa Thiên Huế». Công cụ nghe đúng. File đang dùng sai bảng mã.

Dấu hiệu Nguyên nhân Cách xử lý
Nguyên âm có dấu biến thành ký tự lạ: «HuÕ», «Qu¶ng TrÞ» Bảng mã TCVN3, font tên bắt đầu bằng .Vn hoặc VH như .VnTime, .VnArial Unikey → Ctrl+Shift+F6 → nguồn TCVN3 (ABC) → đích Unicode
Mỗi chữ có dấu bị tách thành hai ký tự rời Bảng mã VNI, font tên bắt đầu bằng VNI- Unikey → Ctrl+Shift+F6 → nguồn VNI Windows → đích Unicode
Mất dấu hoàn toàn Công cụ chép không hỗ trợ tiếng Việt có dấu Đổi công cụ. Thêm dấu thủ công cho cả bản chép lại là không khả thi

Hãy lưu bản chép lại ở Unicode dựng sẵn. Đó là bộ mã quy định trong TCVN 6909:2001, tiêu chuẩn quốc gia về bộ mã ký tự tiếng Việt 16-bit, tương thích ISO/IEC 10646 và Unicode. Lưu đúng chuẩn ngay từ đầu thì file mở được ở mọi máy, và bạn khỏi phải chuyển mã lại mỗi lần nộp bài.

5. Hướng dẫn xử lý bài giảng 60 phút với Sovi.AI

Bóc băng nguyên văn một giờ giảng cho ra khoảng 9.000 chữ. Không ai ôn thi bằng cách đọc lại 9.000 chữ. Bước tạo ra giá trị là bước rút từ bản chép lại ra ghi chú có cấu trúc.

Sinh viên Việt Nam thường học cả lớp tiếng Việt lẫn lớp tiếng Anh, và hai loại đi hai đường khác nhau.

Lớp giảng bằng tiếng Việt: bóc băng ở ngoài, sắp xếp bằng trợ lý viết

Đây là đường dùng cho phần lớn môn học.

  1. Lấy chữ. Chọn một công cụ ở mục 2 để bóc băng file ghi âm.
  2. Sửa dấu. Soát theo thứ tự ưu tiên: công thức và con số trước, rồi tên riêng, rồi thuật ngữ tiếng Anh, cuối cùng là các cặp hỏi / ngã dễ nhầm lẫn (bảo / bão, sửa / sữa, nghỉ / nghĩ, vẻ / vẽ).
  3. Sắp xếp. Dán bản chép lại đã soát vào trợ lý viết của Sovi.AI và yêu cầu dựng lại thành ghi chú ôn tập bằng tiếng Việt theo ba cột trực quan: khái niệm cốt lõi, giảng viên nhấn mạnh điều gì, và mốc thời gian trong bản ghi.

Bạn nhập tiếng Việt và nhận lại tiếng Việt, nên không phải dịch qua lại giữa hai ngôn ngữ. Bước 3 mới là bước biến 9.000 chữ thành thứ ôn được; hai bước đầu chỉ là lấy nguyên liệu.

Lớp giảng bằng tiếng Anh: ghi thẳng bằng Live Recording

Chương trình liên kết, lớp chất lượng cao, môn do giảng viên nước ngoài dạy — với những buổi này Live Recording chạy trọn quy trình ngay trong lúc học:

Bản hiện tại không lưu âm thanh gốc; lịch sử phiên chỉ gồm văn bản. Công cụ cũng yêu cầu bạn xác nhận đã có quyền ghi âm trước khi bắt đầu.

Danh sách ngôn ngữ nói của Live Recording hiện chưa có tiếng Việt. Vì vậy buổi học giảng bằng tiếng Việt đi đường ở trên, không ghi thẳng bằng công cụ này.

Về quyền ghi âm. Quy định khác nhau giữa các trường và các nước; một số nơi yêu cầu sự đồng ý của tất cả người có mặt. Xem sổ tay sinh viên và đề cương trước. Nếu cả hai không nói gì, một email ngắn hỏi giảng viên thường được đồng ý, và bạn có thêm câu trả lời bằng văn bản để yên tâm.

Câu hỏi thường gặp

Q1: App nào chuyển âm thanh thành văn bản tiếng Việt chính xác nhất? Không có câu trả lời duy nhất, và các bảng xếp hạng trên trang bán hàng không giúp được nhiều: chúng thường không ghi bộ dữ liệu, không ghi thước đo, cũng không ghi là đo bằng ngôn ngữ nào. Con số đáng tin hơn đến từ nguồn học thuật, và nó cho thấy điều quan trọng hơn: cùng mô hình PhoWhisper-large đạt 8,14 trên câu đọc sẵn nhưng 26,68 trên bộ dữ liệu giọng nói tự nhiên nhiều tạp âm của VLSP. Loại âm thanh quyết định nhiều hơn tên thương hiệu. Cách thực tế nhất vẫn là tải cùng một đoạn hai phút lên vài công cụ rồi so phần dấu thanh.

Q2: Làm sao để bản chép lại không bị lỗi dấu? Chất lượng âm thanh quyết định, vì dấu thanh nằm ở dải tần cao và mất trước tiên khi âm thanh bị mờ. Ngồi trong khoảng một phần ba đầu phòng, đặt điện thoại nằm ngửa trên bàn thay vì trong túi, tắt rung. Có ô khai báo từ khóa thì nhập trước tên môn và các từ chuyên ngành. Sau đó soát ưu tiên những từ mang dấu hỏi và dấu ngã, cặp dễ nhầm nhất.

Q3: Có công cụ chuyển giọng nói thành văn bản tiếng Việt miễn phí không? Có vài mức. Ứng dụng ghi âm có sẵn trên điện thoại miễn phí hoàn toàn nhưng không có dấu thời gian theo từng từ. PhoWhisper của VinAI là mã nguồn mở, tải được trên GitHub và Hugging Face, chạy được ngoại tuyến; đổi lại bạn phải tự cài. Sonix cho 30 phút dùng thử, ElevenLabs có bản miễn phí để bắt đầu. Với sinh viên ghi vài buổi mỗi tuần, cách bền nhất là dùng bản miễn phí cho những buổi quan trọng.

Q4: Chữ hiện ra dạng «HuÕ», «Qu¶ng TrÞ» thì xử lý thế nào? Đó là lỗi bảng mã chứ không phải lỗi nhận dạng. Công cụ nghe đúng, nhưng file đang dùng TCVN3 thay vì Unicode. Mở Unikey, nhấn Ctrl+Shift+F6, chọn nguồn TCVN3 (ABC) và đích Unicode rồi chuyển mã. Nếu mỗi chữ có dấu bị tách thành hai ký tự rời thì nguồn là VNI Windows. Nên lưu bản chép lại ở Unicode dựng sẵn theo TCVN 6909:2001 để khỏi phải chuyển lại mỗi lần nộp bài.

Học tiếp cùng Sovi.AI

Bản chép lại chỉ là nguyên liệu. Thứ dùng để ôn thi là ghi chú có cấu trúc rút ra từ nó.

Continue Your Learning with Sovi.AI

Sovi.AI is your free AI study buddy for step-by-step explanations, document-based learning, and AP exam prep. Put what you just read into practice with the tools below:

  • Ask Sovi — upload a photo to open the Ask Sovi chat and get a clear, step-by-step AI homework explanation across math, science, and writing.
  • AI Study — upload your draft or source PDFs to outline arguments, generate cheatsheets, and revise faster.
  • AP Test Prep — drill timed AP questions with full mock exams and unit-level practice across every AP subject.
  • Practice Resources — browse expert-verified study guides across Math, Biology, Chemistry, History, and more.

Looking for more guides like this one? Visit the Sovi.AI Blog for writing tips, grammar walkthroughs, and study strategies.