Nếu bạn đã từng ghi âm một cuộc họp ở Hong Kong và chạy qua ứng dụng phiên âm, bạn sẽ biết rằng tiếng Quảng Đông là một trong những ngôn ngữ khó xử lý nhất. Một câu như "我想去 Causeway Bay 開會 prepare 一下 個 deck" pha trộn tiếng Quảng Đông và tiếng Anh trong một hơi thở — và chính sự pha trộn đó là nơi hầu hết các công cụ phiên âm bộc lộ giới hạn của mình.
Đây không phải vấn đề hiếm gặp. Chuyển đổi ngôn ngữ (code-switching) — chuyển đổi giữa tiếng Quảng Đông và tiếng Anh giữa câu — là cách nói thường ngày trong lĩnh vực kinh doanh, công nghệ và cuộc sống hằng ngày ở Hong Kong. Đây cũng là một trong những bài toán kỹ thuật đòi hỏi nhất trong nhận dạng giọng nói tiếng Trung.
Chúng tôi đã thực hiện một so sánh khách quan, thực tế về các công cụ nhận dạng giọng nói tiếng Quảng Đông hàng đầu năm 2026 — Google, Apple, Microsoft Azure, OpenAI Whisper, Otter.ai, iFLYTEK, ElevenLabs và Speechmatics — đánh giá độ chính xác, khả năng chuyển đổi ngôn ngữ, quyền riêng tư và mức độ dễ sử dụng cho người dùng thông thường. Mỗi công cụ đều có thế mạnh riêng; mục tiêu là giúp bạn chọn đúng công cụ phù hợp với nhu cầu của mình.
Cách đo lường độ chính xác
Độ chính xác phiên âm thường được báo cáo dưới dạng Tỷ lệ lỗi từ (WER) hoặc Tỷ lệ lỗi ký tự (CER) — tỷ lệ phần trăm từ hoặc ký tự khác với bản tham chiếu chính xác. Chỉ số càng thấp càng tốt. Dưới khoảng 5% là xuất sắc; khoảng 20% thường đồng nghĩa với việc cần chỉnh sửa thủ công đáng kể.
Bộ dữ liệu chuẩn được trích dẫn rộng rãi nhất cho tiếng Quảng Đông là Common Voice Yue — người nói tiếng Quảng Đông thực đọc to. Trên dữ liệu tiếng Quảng Đông đọc rõ ràng này, các bài kiểm tra độc lập đã ghi nhận các tỷ lệ lỗi ký tự như sau:
| Công cụ | CER được ghi nhận (Common Voice Yue) | Ghi chú |
|---|---|---|
| Apple (xử lý trên thiết bị) | ~7.4% | Chạy cục bộ trên Mac/iPhone |
| Google Cloud Speech-to-Text | ~11.4% | Mô hình "yue-Hant-HK" |
| Microsoft Azure / Cognitive Services | ~22.5% | Công cụ phát triển mạnh |
Theo bộ chuẩn này, mô hình tiếng Quảng Đông trên thiết bị của Apple đạt điểm tốt — CER được ghi nhận thấp hơn khoảng 35% so với Google và 67% so với Microsoft trên bộ dữ liệu cụ thể này, đồng thời chạy hoàn toàn trên thiết bị. Đối với người dùng đọc chính tả tiếng Quảng Đông rõ ràng vào Mac, đây thực sự là lựa chọn tốt và miễn phí.
Một lưu ý quan trọng: bộ chuẩn này đo lường tiếng Quảng Đông đọc rõ ràng, một người nói, không có tiếng Anh. Đó không phải cách hầu hết người Hong Kong thực sự nói chuyện.
Tại sao chuyển đổi ngôn ngữ mới là bài kiểm tra thực sự
Common Voice là giọng nói cẩn thận, đơn ngữ. Tiếng Quảng Đông Hong Kong hằng ngày là hội thoại, nhanh và pha trộn với tiếng Anh:
"個 user feedback 話 個 flow 唔 make sense, 不如 我哋 sync 一 sync 先。"
Điểm chuẩn trên tiếng Quảng Đông thuần túy cho bạn biết rất ít về cách một công cụ xử lý câu như vậy. Nghiên cứu học thuật về việc pha trộn tiếng Quảng Đông-Anh chỉ ra hai lý do khiến điều này khó với bất kỳ công cụ nào:
- Tiếng Anh phát âm theo giọng Quảng Đông nghe khác với tiếng Anh "chuẩn", có thể làm rối mô hình tiếng Anh.
- Dữ liệu huấn luyện pha trộn hạn chế — nhiều hệ thống được huấn luyện chủ yếu trên tiếng Quảng Đông đơn ngữ hoặc tiếng Anh đơn ngữ, không phải hỗn hợp tự nhiên.
Điều này ảnh hưởng đến toàn bộ lĩnh vực, không phải một thương hiệu riêng lẻ. Trong các bài kiểm tra rộng hơn, âm thanh chuyển đổi ngôn ngữ đã làm giảm độ chính xác trên các công cụ phổ biến — một nghiên cứu được trích dẫn rộng rãi ghi nhận độ chính xác giảm khi pha trộn tiếng Tây Ban Nha-Anh. Kết luận thực tế: đối với âm thanh Hong Kong, cách một công cụ xử lý tiếng Anh trong tiếng Quảng Đông quan trọng hơn điểm chuẩn tổng thể của nó.
Từng công cụ một
Otter.ai
Otter là một trong những ứng dụng phiên âm phổ biến nhất, với tính năng họp và tóm tắt xuất sắc. Tính đến năm 2026, tính năng phiên âm của nó tập trung vào tiếng Anh và không hỗ trợ phiên âm tiếng Quảng Đông. Nếu bạn đang tìm kiếm cụ thể tiếng Quảng Đông, bạn sẽ cần công cụ có hỗ trợ gốc.
OpenAI Whisper
Whisper hỗ trợ rất nhiều ngôn ngữ và có thể phiên âm tiếng Quảng Đông. Theo mặc định, nó có xu hướng xuất ra tiếng Trung viết chuẩn (ví dụ "他們" thay vì dạng thông tục "佢哋"). Các mô hình tiếng Quảng Đông được cộng đồng tinh chỉnh để giữ nguyên đầu ra thông tục tồn tại, nhưng sử dụng chúng đòi hỏi một số thiết lập kỹ thuật, vì vậy Whisper phù hợp nhất với lập trình viên và người dùng nâng cao hơn là người chỉ muốn mở ứng dụng.
Google Cloud Speech-to-Text
Mô hình "yue-Hant-HK" của Google mở rộng tốt và là lựa chọn vững chắc cho bản thảo nhanh và xử lý tự động khối lượng lớn trong Google Cloud. Như với hầu hết các công cụ tự động, đầu ra thô thường được hưởng lợi từ một lần xem xét, và tiếng Anh chuyển đổi ngôn ngữ có thể cần chỉnh sửa. Đây là sản phẩm API/dành cho lập trình viên hơn là ứng dụng tiêu dùng.
Microsoft Azure AI Speech
Azure cung cấp công cụ phát triển mạnh và tích hợp sạch sẽ với quy trình đám mây Microsoft, khiến nó trở thành lựa chọn phổ biến cho các nhóm kỹ thuật. Tài liệu của họ ghi nhận rằng đầu ra tiếng Quảng Đông được hưởng lợi từ việc xem xét khi có chuyển đổi ngôn ngữ. Như Google, nó nhắm đến các lập trình viên xây dựng ứng dụng riêng.
iFLYTEK (科大訊飛)
iFLYTEK là công ty AI giọng nói hàng đầu và đã đầu tư mạnh vào Hong Kong. Họ hiện cung cấp hỗ trợ tiếng Quảng Đông trực tiếp nhắm đến thị trường địa phương — bao gồm Hệ thống Hội nghị Đa ngôn ngữ iFLYREC (Phiên bản Hong Kong & Macao) và các giải pháp họp cho phép người dùng chuyển đổi giữa tiếng Quảng Đông, Phổ thông và tiếng Anh, cùng các tùy chọn tại chỗ và phần cứng phiên dịch. Đây là lựa chọn nghiêm túc và có năng lực, đặc biệt cho triển khai doanh nghiệp và hội nghị khi lưu trữ tại chỗ hoặc phần cứng chuyên dụng phù hợp với quy trình làm việc.
ElevenLabs Scribe & Speechmatics
Cả hai đều là các công cụ nhận dạng giọng nói hiện đại và mạnh mẽ. ElevenLabs xếp tiếng Quảng Đông vào nhóm độ chính xác cao hơn, và Speechmatics quảng cáo độ chính xác cao với độ trễ thấp. Cả hai chủ yếu là các dịch vụ đám mây, trả phí, ưu tiên API — nền tảng xuất sắc cho lập trình viên, với âm thanh được xử lý trên đám mây.
Tóm tắt so sánh
| Công cụ | Hỗ trợ tiếng Quảng Đông | Phù hợp nhất với | Xử lý trên thiết bị | Cách truy cập thông thường |
|---|---|---|---|---|
| Otter.ai | Tập trung tiếng Anh | Cuộc họp tiếng Anh | Không | Ứng dụng đăng ký |
| Apple Dictation | Có (mạnh với âm thanh rõ) | Đọc chính tả Mac/iPhone | Có | Tích hợp sẵn, miễn phí |
| Google Cloud STT | Có | Lập trình viên, bản thảo số lượng lớn | Không | API / trả theo sử dụng |
| Microsoft Azure | Có | Lập trình viên, quy trình MS | Không | API / trả theo sử dụng |
| OpenAI Whisper | Có (→ tiếng Trung viết) | Lập trình viên, người dùng nâng cao | Có (kỹ thuật) | Mã nguồn mở / tự lưu trữ |
| iFLYTEK | Có (ba ngôn ngữ HK) | Doanh nghiệp, hội nghị | Tùy chọn tại chỗ | Doanh nghiệp / phần cứng |
| ElevenLabs / Speechmatics | Có | Lập trình viên | Không | API trả phí |
| Traverba | Có (tinh chỉnh cho HK) | Người dùng thông thường | Có | Ứng dụng miễn phí |
Không có "tốt nhất" duy nhất — phụ thuộc vào bạn đang làm gì. Lập trình viên xây dựng sản phẩm sẽ thích Whisper hoặc Azure. Người tổ chức hội nghị có thể được phục vụ tốt nhất bởi hệ thống chuyên dụng của iFLYTEK. Người dùng Mac đọc chính tả tiếng Quảng Đông rõ ràng đã có Apple tích hợp sẵn miễn phí.
Ba câu hỏi để chọn đúng công cụ
1. Có bao nhiêu tiếng Anh trong âm thanh của bạn? Nếu bản ghi âm của bạn chủ yếu là tiếng Quảng Đông rõ ràng, các điểm chuẩn tổng thể là hướng dẫn hợp lý. Nếu chúng chứa nhiều tiếng Anh giữa câu — như hầu hết các cuộc họp Hong Kong — hãy ưu tiên công cụ được xây dựng hoặc tinh chỉnh đặc biệt cho chuyển đổi ngôn ngữ.
2. Âm thanh của bạn được xử lý ở đâu? Phiên âm đám mây có nghĩa là tải bản ghi âm lên máy chủ của bên thứ ba. Đối với các cuộc họp nhạy cảm, âm thanh y tế hoặc pháp lý, xử lý trên thiết bị giữ dữ liệu trên điện thoại hoặc máy tính của bạn.
3. Bạn có chuyên về kỹ thuật không? Whisper, Azure và các công cụ API là dành cho lập trình viên. Các hệ thống hội nghị của iFLYTEK là triển khai doanh nghiệp. Nếu bạn chỉ muốn mở ứng dụng, nhấn ghi âm và đọc bản ghi, bạn cần ứng dụng tiêu dùng được thiết kế cho điều đó.
Traverba phù hợp ở đâu
Traverba được xây dựng cho nhóm cuối cùng đó — người dùng thông thường muốn thứ gì đó đơn giản. Không cần khóa API, không cần tài khoản đám mây, không cần triển khai doanh nghiệp. Bạn mở ứng dụng, và nó hoạt động.
Trọng tâm là ngôn ngữ người dân Hong Kong thực sự nói: tiếng Quảng Đông pha trộn với tiếng Anh. Thay vì coi tiếng Anh là thứ cần loại bỏ, Traverba được tinh chỉnh theo các mẫu nói địa phương — tiếng Anh giữa câu, tên thương hiệu và tiếng lóng của các cuộc trò chuyện thực tế. Và vì nó xử lý trên thiết bị, âm thanh của bạn ở lại với bạn thay vì được tải lên máy chủ.
Traverba không cố gắng thay thế hệ thống hội nghị doanh nghiệp hay phiên dịch viên chuyên nghiệp — những thứ đó có vị trí của chúng. Nó được xây dựng cho những khoảnh khắc hằng ngày khi tiếng Quảng Đông và tiếng Anh hòa trộn vào nhau và bạn chỉ cần văn bản có thể đọc được, nhanh chóng, trên điện thoại của mình.
Dùng thử ngay
Traverba miễn phí trên cả hai nền tảng — dịch giọng nói, dịch camera, dịch màn hình và dịch văn bản đều miễn phí và không giới hạn.
Có sẵn trên Google Play và App Store. Tìm hiểu thêm tại traverba.com.
Mỗi công cụ trong bài so sánh này đều giỏi ở một điều gì đó. Nếu những gì bạn cần là ứng dụng đơn giản, xử lý trên thiết bị, được tinh chỉnh cho tiếng Quảng Đông-Anh Hong Kong hằng ngày, Traverba được xây dựng chính xác cho điều đó.
Các số liệu độ chính xác được tham chiếu ở trên đến từ các bộ chuẩn ASR tiếng Quảng Đông công khai trên bộ dữ liệu Common Voice Yue và nghiên cứu đã công bố về chuyển đổi ngôn ngữ Quảng Đông-Anh. Hỗ trợ tính năng và ngôn ngữ phản ánh các dịch vụ của từng nhà cung cấp tính đến tháng 6 năm 2026 và có thể thay đổi. Độ chính xác thực tế thay đổi tùy theo chất lượng âm thanh, giọng địa phương và lượng tiếng Anh trong cuộc trò chuyện; chúng tôi khuyến khích người đọc tự kiểm tra các công cụ với âm thanh của mình.