Chuyển giọng nói thành văn bản offline giờ đã thực sự khả thi trên phần cứng Apple phổ thông: âm thanh ở nguyên trên thiết bị của bạn, bản ghi dài xử lý xong trong vài giây hoặc vài phút, và không có hóa đơn tính theo phút.
Whisper Notes nhận dạng giọng nói ngay trên thiết bị, cả trên Mac lẫn iPhone.
Câu trả lời ngắn gọn: Phần mềm chuyển giọng nói thành văn bản offline tốt nhất theo nền tảng
Nếu bạn chỉ cần câu trả lời: trên Mac và iPhone, dùng Whisper Notes — ba engine AI cục bộ, trả một lần: $7.99 một lần trên iPhone (cùng lượt mua đó trên App Store cũng mở khóa bản Mac App Store); trên Mac, miễn phí 5.000 từ mỗi tuần, sau đó $14 một lần. Trên Windows, dùng Buzz hoặc faster-whisper (miễn phí, mã nguồn mở). Trên Android, lựa chọn vẫn còn ít — xem phần nền tảng bên dưới. Mọi công cụ trong bảng này đều chạy 100% offline:
| Công cụ | Nền tảng | Giá | Cài đặt | Mô hình |
|---|---|---|---|---|
| Whisper Notes | Mac (chip M-series), iPhone | $7.99 một lần (iPhone); $14 một lần (Mac), miễn phí 5.000 từ/tuần | Không cần — ứng dụng gốc | Parakeet V3, SenseVoice, Whisper Turbo |
| MacWhisper | Chỉ Mac | Có bản miễn phí; Pro €64 mua một lần | Không cần — ứng dụng gốc | Họ mô hình Whisper |
| Buzz | Windows, Mac, Linux | Miễn phí (mã nguồn mở) | Trình cài đặt; giao diện cơ bản | Họ mô hình Whisper |
| faster-whisper / whisper.cpp | Windows, Mac, Linux | Miễn phí (mã nguồn mở) | Dòng lệnh | Họ mô hình Whisper |
| Đọc chính tả của Apple | Tích hợp sẵn trên iPhone/Mac | Miễn phí | Không cần | Mô hình Apple trên thiết bị; chỉ hợp đọc chính tả ngắn |
Phần còn lại của hướng dẫn này giải thích vì sao phiên âm cục bộ thắng về độ trễ, chi phí và quyền riêng tư — với số liệu benchmark thực tế — và hướng dẫn cách phiên âm âm thanh thành văn bản offline, từng bước một.
Vấn đề độ trễ
Quy trình phiên âm đám mây: bạn nói, âm thanh tải lên máy chủ, API xử lý, kết quả trả về.
Phiên âm cục bộ: toàn bộ độ trễ đó biến mất. Âm thanh không bao giờ rời khỏi thiết bị, việc xử lý diễn ra ngay trên chip, kết quả xuất hiện tức thì. Không tải lên, không chờ đợi, không có vòng xoay "đang xử lý".
Các iPhone gần đây và Mac dùng Apple Silicon có phần cứng Neural Engine chuyên dụng cho machine learning trên thiết bị. Phiên âm cục bộ dùng phần cứng bạn đã sở hữu thay vì chờ tải lên và chờ phản hồi từ xa.
Năm 2019, phiên âm đám mây là hợp lý. Điện thoại của bạn không thể chạy một mạng nơ-ron cả tỷ tham số. Ràng buộc đó nay đã biến mất. Trên M4 Pro, 35 phút âm thanh được xử lý trong khoảng 18 giây với Parakeet V3 và khoảng ba phút với Whisper Turbo, cả hai đều không tải lên gì.
Phiên âm đám mây vẫn hợp lý cho cộng tác trực tiếp và các quy trình tập trung. Với một bản ghi riêng tư chỉ mình bạn cần, việc tải lên thường là không cần thiết.
Bạn đã trả tiền cho con chip rồi
Neural Engine trong máy Mac dùng chip M hoặc iPhone đời gần đây gần như cả ngày không làm gì, trong khi nó chạy được các mô hình này.
Bạn đã trả tiền cho con chip đó khi mua máy, nên trả phí thuê bao để máy chủ của người khác phiên âm hộ chẳng khác nào trả tiền lần thứ hai cho sức tính toán bạn đã có.
Sự đánh đổi đó hợp lý khi chạy mô hình cục bộ thật sự là điều không thể. Giờ thì khó biện minh hơn nhiều.
Thuê bao $10 mỗi tháng, sau ba năm là $360. Whisper Notes có giá $7.99 trả một lần trên iPhone và $14 trả một lần trên Mac. Thứ thuê bao thực sự mua cho bạn là phụ đề trực tiếp và chỉnh sửa chung; nếu không cần cả hai, bạn đang trả tiền cho sức tính toán mình đã sở hữu.
| Dịch vụ | Năm 1 | Năm 3 | Năm 5 |
|---|---|---|---|
| Thuê bao đám mây ($10/tháng) | $120 | $360 | $600 |
| Whisper Notes (một lần) | $7.99 | $7.99 | $7.99 |
Chúng tôi không thu phí thuê bao vì chúng tôi không vận hành máy chủ. Âm thanh của bạn không bao giờ chạm vào hạ tầng của chúng tôi. Chẳng có gì để tính phí hàng tháng cả.
Rò rỉ dữ liệu là vấn đề kiến trúc
Khi bạn dùng dịch vụ phiên âm đám mây, âm thanh của bạn nằm trên máy chủ của người khác. Bất kỳ máy chủ nào lưu âm thanh cũng có thể làm lộ nó, do bị tấn công, cấu hình sai hoặc một nhân viên có quyền truy cập, và rò rỉ vẫn thường xảy ra.
Dữ liệu giọng nói mang một rủi ro đặc thù. Không như mật khẩu, bạn không thể đặt lại giọng nói của mình. Đặc điểm giọng nói là định danh sinh trắc học vĩnh viễn. Một khi bị lộ, chúng bị xâm phạm mãi mãi. Kẻ tấn công có thể dùng dấu vân giọng để vượt xác thực, gian lận danh tính hoặc tạo deepfake.
Cách duy nhất để loại bỏ rủi ro này là loại bỏ việc tải lên. Âm thanh không bao giờ rời thiết bị thì không thể nằm trong một vụ rò rỉ phía máy chủ — toàn bộ lập luận chỉ có vậy.
Hãy nghĩ xem ai là người ghi âm nội dung nhạy cảm:
- Luật sư ghi âm các buổi tư vấn với thân chủ
- Nhà trị liệu ghi lại các phiên làm việc với bệnh nhân
- Nhà báo bảo vệ nguồn tin
- Lãnh đạo doanh nghiệp ghi lại các thảo luận chiến lược
- Bác sĩ ghi chú bệnh sử
Với những người làm nghề này, âm thanh được lưu ở đâu là câu hỏi họ phải trả lời được. Phiên âm cục bộ không phải là sở thích. Nó là yêu cầu bắt buộc.
Độ chính xác và những đánh đổi
Whisper cục bộ làm tốt hơn: phiên âm nguyên văn. Nếu bạn cần bản ghi chính xác những gì đã nói — từng từ, từng khoảng ngừng, từng tiếng "ừm" — các mô hình Whisper cục bộ rất xuất sắc. Với âm thanh tiếng Anh sạch, tỷ lệ lỗi từ vào khoảng 5-8% (Open ASR Leaderboard); tiếng ồn và giọng địa phương làm con số này tăng lên. Bản phiên âm trung thực với lời nói.
Mô hình ngôn ngữ bổ sung điều gì: tóm tắt và trích xuất. Một mô hình cục bộ như Gemma, mà Whisper Notes chạy trong ứng dụng Mac tải từ trang web của chúng tôi, có thể biến bản phiên âm thành bản tóm tắt và danh sách việc cần làm. Các mô hình đám mây lớn hơn vẫn suy luận tốt hơn trên những bản phiên âm dài và lộn xộn, nên với câu "cho tôi biết đã chốt những quyết định gì" sau một cuộc họp hai tiếng, chúng vẫn là công cụ mạnh hơn.
Sự đánh đổi này là có thật. Nếu quy trình của bạn là "phiên âm → tóm tắt bằng Claude/GPT", bạn được cả hai: bản phiên âm cục bộ chính xác, bản tóm tắt đám mây thông minh. Âm thanh gốc của bạn vẫn riêng tư. Chỉ phần văn bản bạn chọn chia sẻ mới rời khỏi thiết bị.
AI cục bộ không giải quyết mọi khâu trong quy trình. Mô hình giọng nói giỏi phiên âm; mô hình ngôn ngữ giỏi hơn ở khâu tóm tắt và suy luận trên kết quả. Hãy giữ âm thanh ở cục bộ, rồi chọn mô hình ngôn ngữ cục bộ hay đám mây tùy theo độ nhạy cảm của văn bản.
| Tác vụ | Công cụ phù hợp nhất | Lý do |
|---|---|---|
| Phiên âm nguyên văn | Whisper cục bộ | Riêng tư, nhanh, chính xác |
| Tóm tắt cuộc họp | LLM cục bộ (Gemma, ứng dụng Mac từ trang web của chúng tôi) hoặc LLM đám mây, trên bản phiên âm | Hiểu ngữ cảnh |
| Trích xuất việc cần làm | LLM cục bộ (Gemma, ứng dụng Mac từ trang web của chúng tôi) hoặc LLM đám mây, trên bản phiên âm | Suy luận ngữ nghĩa |
| Cộng tác thời gian thực | Dịch vụ đám mây (Otter, v.v.) | Phối hợp nhiều người dùng |
Số liệu tốc độ thực tế
Lựa chọn mô hình thay đổi kết quả nhiều hơn hai chữ "cục bộ" gợi ý. Whisper Notes chạy cả ba trên Mac và iPhone, và bạn chọn engine trong phần Cài đặt; Parakeet là mặc định tốc độ cao cho tiếng Anh và các ngôn ngữ châu Âu, SenseVoice được tối ưu cho tiếng Trung, Nhật, Hàn và Quảng Đông, còn Whisper Large-v3 Turbo (Mac) / Whisper Small (iPhone) phủ rộng nhất với hơn 100 ngôn ngữ.
| Thiết bị và mô hình | Âm thanh thử nghiệm | Thời gian xử lý | Phù hợp nhất |
|---|---|---|---|
| M4 Pro — Parakeet V3 | 35 phút | ~18 giây | Tiếng Anh và các ngôn ngữ châu Âu |
| M4 Pro — SenseVoice | Podcast tiếng Trung 27 phút | 13,83 giây | Tiếng Trung, Nhật, Hàn, Quảng Đông |
| M4 Pro — Whisper Turbo | Podcast tiếng Trung 27 phút | 2 phút 4 giây | Phủ ngôn ngữ rộng nhất |
Phương pháp đo: Whisper Notes trên Apple M4 Pro với 32 GB RAM, thời gian thực tế từ lúc bắt đầu phiên âm đến khi có văn bản cuối cùng. Parakeet dùng bản ghi 35 phút; SenseVoice và Whisper dùng cùng một podcast tiếng Trung 27 phút. Đây là các bài kiểm tra sản phẩm, không phải benchmark so sánh giữa các nhà cung cấp đám mây.
Trang App Store hiện tại cũng ghi nhận khoảng 18 giây cho 5 phút âm thanh với Parakeet trên iPhone 15, so với khoảng một phút với Whisper. Thiết bị cũ hơn sẽ chậm hơn. Trong mọi trường hợp, công việc vẫn chạy được ở chế độ máy bay vì không có bước tải lên.
Cách phiên âm âm thanh thành văn bản offline (từng bước)
Trên Mac:
- Tải Whisper Notes cho Mac (dùng thử miễn phí, không cần tài khoản).
- Chọn mô hình trong Cài đặt: Parakeet V3 cho tốc độ với tiếng Anh, SenseVoice cho tiếng Trung, Nhật, Hàn hoặc Quảng Đông, Whisper Large V3 Turbo cho hơn 100 ngôn ngữ. Mô hình tải về một lần, sau đó hoạt động offline.
- Ghi âm trực tiếp, hoặc kéo-thả bất kỳ tệp âm thanh/video nào (MP3, WAV, M4A, MP4).
- Với họp trực tuyến, bật tính năng phát hiện cuộc họp. Zoom, Teams và Google Meet được nhận diện tự động; âm thanh hệ thống và micro của bạn được thu cùng lúc, còn việc phiên âm vẫn ở trên Mac của bạn.
- Văn bản hiển thị dần trong lúc xử lý. Xuất ra TXT, SRT hoặc VTT, hoặc sao chép đến bất cứ đâu. Video được nhập sẽ mở trong không gian phụ đề, nơi bạn có thể xem trước và sửa phụ đề trước khi xuất.
Trên iPhone: cài Whisper Notes từ App Store, ghi âm hoặc nhập từ Ghi âm (Voice Memos) và Tệp, việc phiên âm chạy trên chip A-series. Bật chế độ máy bay trước nếu bạn muốn tự chứng thực rằng không có gì được tải lên. Để tự động hóa, tác vụ "Transcribe Audio" trong ứng dụng Phím tắt nhận một tệp âm thanh và trả về văn bản.
Chúng tôi đã xây dựng nó như thế nào
Whisper Notes là cách chúng tôi hiện thực hóa những nguyên tắc trên. Vài quyết định cụ thể đáng nói:
Widget màn hình khóa
Những ý tưởng hay nhất luôn đến vào lúc bất tiện nhất. Chúng tôi làm widget màn hình khóa để một chạm từ màn hình khóa sẽ mở ứng dụng và bắt đầu ghi âm offline — không cần tìm ứng dụng, không kiểm tra kết nối. Xử lý cục bộ nghĩa là luôn sẵn sàng tức thì.
Ghi âm từ màn hình khóa.
Mô hình thích ứng theo phần cứng
Mac có dư địa tản nhiệt và nguồn điện dồi dào. iPhone nằm trong túi bạn. Cả hai giờ chạy cùng một dàn mô hình — Parakeet V3 (mặc định), Whisper Large-v3 Turbo (809M tham số, Mac) / Whisper Small (iPhone) và SenseVoice — mỗi mô hình được tinh chỉnh cho phần cứng của nó. Cùng cam kết riêng tư, mức dùng tài nguyên phù hợp.
Dữ liệu của bạn, tệp của bạn
Bản phiên âm là các tệp trên thiết bị của bạn. Trên Mac, mỗi bản phiên âm được lưu thành một tệp Markdown (.md) cạnh tệp âm thanh, kèm phần đầu YAML (ngày, nguồn, thời lượng), trong thư mục bạn chọn; trỏ thư mục đó vào một vault Obsidian là mỗi bản ghi thành một ghi chú. Không có cơ sở dữ liệu độc quyền, không khóa chân người dùng. Nếu Whisper Notes biến mất vào ngày mai, bản ghi của bạn vẫn truy cập được. Xuất hàng loạt không phải là tính năng trả phí — đó là trạng thái tự nhiên của dữ liệu thuộc về bạn.
Xuất hàng loạt bản phiên âm và âm thanh.
Từ vựng tùy chỉnh
Thuật ngữ kỹ thuật, tên riêng lạ, từ chuyên ngành — thứ từ vựng cần phiên âm chính xác nhất thường cũng là thứ bạn ít muốn tải lên nhất. Gợi ý ban đầu (initial prompt) cho phép bạn thêm ngữ cảnh ngay trên máy. Mô hình tự điều chỉnh mà thuật ngữ của bạn không trở thành dữ liệu huấn luyện.
Trên iPhone, tên riêng và thuật ngữ được nhập vào ô lời nhắc ban đầu để định hướng mô hình mà không rời khỏi thiết bị.
Khi nào đám mây tốt hơn
Chúng tôi không giả vờ rằng phiên âm cục bộ tốt hơn trong mọi trường hợp. Đám mây có những lợi thế thực sự:
Cộng tác nhóm thời gian thực. Năm người cùng chỉnh sửa một bản phiên âm trong cuộc họp cần sự điều phối của máy chủ. Công cụ cục bộ về bản chất là đơn người dùng.
Nhận diện người nói ở quy mô lớn. Gán nhãn người nói trên thiết bị đã thành hiện thực — Whisper Notes giờ đây gán nhãn "ai nói câu nào" hoàn toàn trên thiết bị, trên cả iPhone và Mac. Phân tách người nói quy mô đám mây vẫn có lợi thế với nhóm rất đông và nhiều đoạn nói chồng lấn, nhưng với phỏng vấn hai người và các cuộc họp nhỏ, nhãn người nói tạo trên thiết bị đã đủ chính xác để dùng (độ chính xác 99,1% theo câu trong bài thử hai người nói của chúng tôi).
Tự động hóa quy trình. Dịch vụ đám mây kết nối với CRM, trích xuất việc cần làm, gửi tóm tắt vào Slack. Công cụ cục bộ tạo ra tệp văn bản — bạn làm gì với chúng là việc thủ công.
Phần cứng cũ. iPhone trước A14, Mac dùng Intel — một số thiết bị không thể chạy suy luận cục bộ một cách thực tế. Đám mây vẫn là lựa chọn duy nhất.
Nếu nhu cầu chính của bạn là cộng tác nhóm trong các cuộc họp trực tiếp, công cụ đám mây có lẽ tốt hơn. Nếu bạn chủ yếu phiên âm bản ghi của chính mình và quyền riêng tư quan trọng, xử lý cục bộ phù hợp hơn.
Quỹ đạo phát triển
Mỗi thế hệ chip mang lại hiệu năng Neural Engine cao hơn. Mỗi vòng lặp mô hình mang lại hiệu suất tốt hơn. Khoảng cách giữa cục bộ và đám mây thu hẹp dần, trong khi lợi thế về quyền riêng tư và độ trễ thì bất biến.
Phiên âm đám mây hợp lý khi điện thoại chưa chạy nổi các mô hình. Từ khoảng năm 2022, điện thoại đã làm được.
Phiên âm cục bộ giờ đã chạy tốt trên phần cứng Apple. Lý do còn lại để trả phí thuê bao chỉ là phụ đề trực tiếp và chỉnh sửa chung, và nếu bạn không cần cả hai thì không có lý do thứ ba.
Chi tiết kỹ thuật
Yêu cầu thiết bị: iOS 18 trở lên (khuyến nghị iPhone 12 hoặc mới hơn) hoặc Mac dùng Apple Silicon.
Mô hình: Parakeet V3 cho 25 ngôn ngữ châu Âu, SenseVoice Small cho tiếng Trung, Nhật, Hàn và Quảng Đông, Whisper (Large V3 Turbo trên Mac, Small trên iPhone) cho hơn 100 ngôn ngữ. Cả ba họ engine đều chạy cục bộ trên Mac và iPhone.
Tốc độ: Parakeet V3: 35 phút âm thanh trong 18 giây trên M4 Pro. SenseVoice: podcast tiếng Trung 27 phút trong 14 giây. Whisper Turbo: 35 phút trong ~3 phút.
AI cục bộ trong ứng dụng Mac từ trang web của chúng tôi: Bật các tính năng AI, mô hình Gemma cục bộ sẽ tóm tắt bản ghi, gợi ý tiêu đề và trả lời câu hỏi về bản phiên âm mà không cần API đám mây.
Giá: $7.99 một lần trên iPhone. Trên Mac, miễn phí 5.000 từ mỗi tuần, sau đó $14 một lần.
Chuyển giọng nói thành văn bản offline trên Windows và Android
Whisper Notes được xây dựng cho Apple Silicon, nên chỉ chạy trên Mac và iPhone. Trên các nền tảng khác, lựa chọn hiện tại gồm:
Windows: Whisper Notes chỉ có trên Mac và iPhone, nên lựa chọn miễn phí tốt nhất là Buzz (giao diện đồ họa đơn giản cho Whisper) và faster-whisper (dòng lệnh, nhanh hơn bản tham chiếu nhiều lần trên cùng phần cứng). Cả hai chạy hoàn toàn offline sau khi tải mô hình. Hãy chuẩn bị tinh thần cho việc cài đặt phiền hơn ứng dụng gốc — môi trường Python, tệp mô hình, driver GPU nếu muốn tốc độ.
Android: whisper.cpp có các bản port Android và vài ứng dụng bao ngoài, nhưng chất lượng và mức độ bảo trì không đồng đều. Hiện chưa có ứng dụng phiên âm offline nào thực sự hoàn thiện và phổ biến trên Android — xem tình trạng Whisper Notes cho Android để biết mọi thứ đang ở đâu.
Nhiều người tìm “Whisper Notes Windows” vì muốn đúng mô hình đó — chạy ngoại tuyến, mua một lần — nhưng trên PC. Chúng tôi không làm bản đó, và thà nói thẳng còn hơn để câu hỏi treo lơ lửng (giải thích đầy đủ ở trang Whisper Notes cho Windows). Việc chuyển giọng nói thành văn bản ngay trên máy đạt tốc độ gấp 100 lần thời gian thực là nhờ Neural Engine của Apple.
Dịch giọng nói offline: AI cục bộ làm được gì và chưa làm được gì
Một câu hỏi liên quan hay được đặt ra: AI cục bộ có thể dịch giọng nói, chứ không chỉ phiên âm không? Một phần. Mô hình Whisper Large V3 gốc được huấn luyện cho hai tác vụ — phiên âm và dịch từ mọi ngôn ngữ sang tiếng Anh. Chạy cục bộ, nó có thể nhận âm thanh tiếng Pháp, Nhật hoặc Ả Rập và xuất ra văn bản tiếng Anh, hoàn toàn offline. Hai lưu ý: nó chỉ dịch sang tiếng Anh (không có chiều ngược lại), và điều này áp dụng cho mô hình Large V3 đầy đủ — biến thể Large-v3 Turbo nhanh hơn đã bỏ tác vụ dịch để chuyên tâm vào phiên âm.
Dịch giọng nói offline vẫn còn ở giai đoạn sớm. Chưa có ứng dụng tiêu dùng phổ biến nào đạt mức dịch giọng-nói-sang-giọng-nói thời gian thực kiểu đám mây mà vẫn hoàn toàn offline. Quy trình thực tế hôm nay gồm hai bước: phiên âm cục bộ, rồi dịch phần văn bản thu được bằng công cụ bạn tin tưởng. Âm thanh gốc không bao giờ phải rời thiết bị của bạn.
Câu hỏi thường gặp
Có thể phiên âm mà không cần kết nối internet không?
Có. Whisper Notes là phần mềm phiên âm offline chạy hoàn toàn trên thiết bị của bạn. Cả ba mô hình AI — Parakeet V3, SenseVoice và Whisper — xử lý âm thanh cục bộ bằng Neural Engine của Mac hoặc chip A-series của iPhone. Không có dữ liệu nào được tải lên, không máy chủ nào được liên hệ. Bạn có thể tự kiểm chứng bằng cách bật chế độ máy bay.
OpenAI Whisper có hoạt động offline không?
Có. OpenAI phát hành Whisper dưới dạng mô hình mã nguồn mở, nghĩa là nó chạy được ngay trên phần cứng của bạn. Whisper Notes đóng gói Whisper Large V3 Turbo để chạy trên Apple Silicon qua CoreML/Metal — không Python, không dòng lệnh, không cần internet. Nó hỗ trợ nhận dạng giọng nói offline với hơn 100 ngôn ngữ. Để tìm hiểu sâu về họ mô hình này, xem hướng dẫn phiên âm bằng Whisper của chúng tôi.
Whisper Notes có bản cho Windows hoặc Android không?
Không, và chúng tôi cũng không làm. Whisper Notes hỗ trợ Mac (chip M-series) và iPhone (12 trở lên). Với Windows, các lựa chọn thay thế là faster-whisper (dòng lệnh) hoặc Buzz (giao diện đồ họa); trên Android là các ứng dụng dựa trên whisper.cpp. Tốc độ của Whisper Notes đến từ Neural Engine của Apple, mà cả PC chạy Windows lẫn điện thoại Android đều không có một phần cứng tương đương thống nhất để phát triển dựa trên đó.
Có ứng dụng phiên âm offline miễn phí không?
Trên iPhone, Whisper Notes giá $7.99, trả một lần, và cùng lượt mua đó trên App Store cũng mở khóa bản Mac App Store. Trên Mac, ứng dụng miễn phí 5.000 từ mỗi tuần, sau đó $14 một lần. Cả hai đều không có thuê bao.
Whisper Notes so với MacWhisper hay faster-whisper thì sao?
MacWhisper là giao diện Whisper chỉ dành cho Mac. faster-whisper là công cụ dòng lệnh. Whisper Notes có Parakeet V3, SenseVoice và Whisper trên cả Mac và iPhone, cùng tính năng gõ bằng giọng nói qua phím Fn trong ứng dụng Mac tải từ website của chúng tôi và ghi âm từ màn hình khóa trên iPhone. Giá $7.99 một lần trên iPhone; trên Mac, miễn phí 5.000 từ mỗi tuần, sau đó $14 một lần.
Phần mềm chuyển giọng nói thành văn bản offline nào tốt nhất?
Tùy nền tảng của bạn. Trên Mac và iPhone, Whisper Notes có ba engine cục bộ, trả một lần: $7.99 trên iPhone; trên Mac, miễn phí 5.000 từ mỗi tuần, sau đó $14. Trên Windows hoặc Linux, Buzz (giao diện đồ họa) hoặc faster-whisper (dòng lệnh) miễn phí và mã nguồn mở. Tính năng đọc chính tả tích hợp đủ dùng cho ghi chú ngắn, nhưng không được thiết kế cho bản ghi dài.
Tôi có thể chuyển âm thanh thành văn bản offline miễn phí không?
Có. Whisper Notes cho Mac có bản dùng thử miễn phí, và các công cụ mã nguồn mở như whisper.cpp, faster-whisper và Buzz hoàn toàn miễn phí trên mọi nền tảng desktop. Dịch vụ đám mây miễn phí cũng tồn tại, nhưng chúng tải âm thanh của bạn lên — điều đi ngược hoàn toàn mục đích nếu quyền riêng tư là lý do bạn tìm kiếm chữ "offline".
Tôi có thể chạy Whisper như một API cục bộ với LocalAI không?
Có. LocalAI là máy chủ API mã nguồn mở, tương thích chuẩn OpenAI, có thể phục vụ các mô hình whisper.cpp — nhờ đó bạn tự vận hành một điểm cuối thay thế trực tiếp cho dịch vụ phiên âm đám mây trên phần cứng của mình. Nó phù hợp cho lập trình viên xây pipeline offline. Nếu bạn muốn dùng chính các mô hình đó mà không phải dựng máy chủ, Whisper Notes chạy chúng dưới dạng ứng dụng gốc trên Mac và iPhone.
Tải cho iOS