Có thực sự cần phải trả tiền cho phần mềm chuyển giọng nói thành văn bản không?

Có thực sự cần phải trả tiền cho phần mềm chuyển giọng nói thành văn bản không?

Tôi thường xuyên nhìn thấy các quảng cáo về Wispr Flow, một công cụ chuyển đổi giọng nói thành văn bản được hỗ trợ bởi AI. Lời hứa hẹn rằng bạn sẽ có thể viết nhanh hơn bằng cách nói to thay vì gõ phím là rất hấp dẫn, đặc biệt nếu bạn là người gõ phím chậm. Quảng cáo hứa hẹn bạn sẽ có thể "viết với tốc độ của suy nghĩ, nhanh hơn bàn phím 4 lần".

Tôi thực sự gõ nhanh hơn tốc độ suy nghĩ của mình. (Người gõ nhanh hay người suy nghĩ chậm? Bạn hãy tự quyết định). Nhưng lời hứa cốt lõi của Wispr Flow không chỉ là chuyển đổi giọng nói thành văn bản (transcription) — mà là xử lý hậu kỳ. Công cụ này sử dụng hai bước. Đầu tiên, các công cụ chuyển đổi giọng nói hiện đại sẽ biến giọng nói của bạn thành văn bản; thứ hai, một mô hình ngôn ngữ lớn (LLM) sẽ loại bỏ các từ đệm (như "ừm", "à") và định dạng từ ngữ của bạn thành các câu và đoạn văn hoàn chỉnh. Ý tưởng là bạn có thể nói ra ý tưởng của mình và xem chúng chuyển thành văn bản được định dạng sẵn. Tính năng này hoạt động bên trong bất kỳ ô nhập liệu nào trên máy tính hoặc điện thoại của bạn.

Giao diện Wispr Flow

Tôi đã thử nghiệm tính năng này vài lần và phải thừa nhận kết quả khá tốt. Tính năng chép âm của Apple, có sẵn miễn phí trên tất cả các thiết bị của họ, hoạt động khá tốt — tương tự như Google Assistant Voice Typing trên điện thoại Pixel (tính năng này sắp có thêm một bản nâng cấp AI khác). Nhưng có giá trị thực sự trong phần mềm loại bỏ các từ thừa và định dạng mọi thứ thành các đoạn văn. Wispr Flow được thiết kế rất đẹp mắt, hướng dẫn bạn qua quy trình cài đặt với đồ họa bắt mắt.

Vậy thì điểm bất lợi là gì? Giá cả. Wispr Flow có giá 144 USD mỗi năm (thanh toán hàng năm) hoặc 15 USD một tháng sau thời gian dùng thử miễn phí cực kỳ hạn chế. Tuy nhiên, công nghệ mà Wispr Flow xây dựng dựa trên — chuyển đổi giọng nói dựa trên AI và LLMs — hiện có sẵn rộng rãi. Về mặt chuyển đổi giọng nói thành văn bản, cả Canary của Nvidia và Whisper của OpenAI đều là mã nguồn mở, nghĩa là bạn có thể chạy chúng hoàn toàn miễn phí trên thiết bị của mình. Và hầu hết những người đam mê AI hiện đang trả tiền cho OpenAI, Claude hoặc Google Gemini, bất kỳ cái nào cũng có thể xử lý phần hậu kỳ của Wispr Flow. Các công cụ cục bộ miễn phí như Ollama, Google Recorder hoặc Apple Intelligence cũng có thể làm được điều tương tự.

Với tất cả những điều này trong tâm trí, tôi đã tự hỏi: Liệu có một giải pháp thay thế miễn phí, độc lập nền tảng nào tốt cho Wispr Flow không? Tôi đã thử nghiệm một số ứng dụng và đây là những gì tôi tìm thấy.

Spokenly, lựa chọn thay thế miễn phí tốt nhất

Nếu bạn muốn hưởng lợi từ Wispr Flow mà không cần đăng ký thuê bao nhanh chóng, bạn có thể chọn Spokenly, có sẵn trên cả macOS và Windows. Nó không phải là mã nguồn mở, nhưng miễn phí để tải xuống và không cần tài khoản để sử dụng. Có gói Pro giá 10 USD một tháng hoặc 100 USD một năm. Gói trả phí chỉ cần thiết nếu bạn sử dụng các mô hình đám mây của Spokenly. Bạn có thể chọn sử dụng mô hình cục bộ thay thế, hoàn toàn miễn phí. Ngoài ra, nếu bạn đã trả tiền cho một dịch vụ như OpenAI hoặc Groq, bạn có thể thêm API key của mình để sử dụng cho việc chuyển đổi — điều này là miễn phí với Spokenly.

Spokenly cung cấp tùy chọn định dạng sau khi chuyển đổi. Bạn cũng có thể chọn nhà cung cấp LLM khác nhau cho phần định dạng văn bản sau khi chuyển đổi. Là người dùng Mac, tôi đã chọn sử dụng Apple Intelligence — hoàn toàn miễn phí và hoạt động rất tốt trong các bài kiểm tra của tôi. Nhưng nó hỗ trợ OpenAI, Anthropic và Groq, cùng với một số nhà cung cấp LLM khác. Ứng dụng cũng cho phép bạn viết bao nhiêu tùy chỉnh (prompt) tùy thích cho quá trình xử lý sau chuyển đổi, mỗi cái có một phím tắt riêng.

Một trong những điều tôi thích nhất là Spokenly có thể hoạt động hoàn toàn ngoại tuyến. Nếu bạn sử dụng mô hình cục bộ để chuyển đổi và mô hình cục bộ như Apple Intelligence để định dạng, toàn bộ quá trình sẽ hoạt động mà không có bất kỳ dữ liệu nào rời khỏi máy tính của bạn. Điều này rất tốt từ góc độ quyền riêng tư, và từ góc độ chức năng, tính năng sẽ hoạt động ngay cả khi kết nối internet của bạn không ổn định.

Không còn nghi ngờ gì nữa, việc này tốn nhiều công sức hơn là cài đặt Wispr Flow. Tuy nhiên, khi hoàn tất, bạn sẽ có một ứng dụng hoạt động mà không cần đăng ký thuê bao hàng tháng. Tôi khuyên bạn nên thử nghiệm nó.

Một số lựa chọn thay thế miễn phí khác

Như tôi đã nói trước đây: Chuyển đổi giọng nói bằng AI và LLMs đều là những công nghệ có sẵn rộng rãi. Vì vậy, không có gì ngạc nhiên khi hiện có rất nhiều lựa chọn thay thế cho Wispr Flow.

Đối với người dùng Mac, MacParakeet hoàn toàn miễn phí và mã nguồn mở là một lựa chọn tuyệt vời. Nó là mã nguồn mở và hoàn toàn miễn phí để tải xuống và sử dụng mà không cần tài khoản. Không có bất kỳ việc bán thêm (upsell) nào trong ứng dụng. Việc chuyển đổi được xử lý bằng cách sử dụng các mô hình cục bộ, là Parakeet hoặc Whisper, và nhiều loại LLMs — cả cục bộ và trực tuyến — đều được hỗ trợ cho bước định dạng. Đây là ứng dụng miễn phí gần giống với Wispr Flow nhất mà tôi tìm thấy.

VoiceInk, một lựa chọn chỉ dành cho Mac khác, là mã nguồn mở và miễn phí sử dụng nếu bạn tải xuống mã từ GitHub và tự biên dịch. Nếu không, ứng dụng có giá 25 USD, trả một lần, sau đó bạn có thể sử dụng tất cả các tính năng mà không cần thanh toán tiếp theo. Lưu ý rằng bước định dạng cho ứng dụng này yêu cầu API key từ một dịch vụ như Gemini, Anthropic, OpenAI hoặc Claude.

Người dùng Windows và Linux nên xem xét FOSS Voquill, là phần mềm mã nguồn mở hoàn toàn miễn phí (do đó có tên FOSS) và hoạt động ngoại tuyến. Nó không cung cấp bước định dạng, điều đáng thất vọng, nhưng tôi đưa nó vào đây vì đây là lựa chọn miễn phí tốt nhất cho Windows và Linux mà tôi tìm thấy mà không có bất kỳ quảng cáo gây phiền toái nào.

Người dùng Windows và người dùng Mac không thích các lựa chọn trên vì bất kỳ lý do gì còn có một lựa chọn nữa: OpenWhispr. Công cụ mã nguồn mở này không yêu cầu tài khoản (nhưng bạn sẽ phải tìm một nút "Continue without an account" nhỏ xíu). Ứng dụng cung cấp đăng ký thuê bao, nhưng bạn có thể chọn thiết lập các mô hình cục bộ và API key bên ngoài để tránh phải trả tiền.

Bạn có thực sự cần gõ bằng giọng nói không?

Wispr Flow có những ưu điểm của nó. Nó dễ cấu hình, và có giao diện người dùng nhất quán. Tôi có thể hiểu tại sao một số người có thể chọn trả tiền thuê bao. Nhưng nếu tiền bạc đang eo hẹp, có các lựa chọn miễn phí sẵn có.

Tôi đã có khoảng thời gian thú vị khi khám phá lĩnh vực đang phát triển này, nhưng tôi sẽ bám sát bàn phím của mình. Wispr Flow và các ứng dụng tương tự hứa hẹn cho phép bạn viết với tốc độ suy nghĩ, nhưng tôi gõ nhanh hơn tốc độ suy nghĩ. Nếu được phép triết lý một chút, viết là cách tôi suy nghĩ. Gõ một câu, nhìn vào nó và tinh chỉnh nó không phải là một phần phiền phức của quá trình viết — nó chính là quá trình viết. Và thường thì tôi không biết ý kiến của mình về một vấn đề gì đó cho đến khi tôi dành thời gian để tinh chỉnh suy nghĩ của mình. Tôi không thể không cảm thấy nhiều điều đó sẽ bị mất đi nếu, thay vì gõ phím, tôi chỉ nói chuyện với máy tính của mình.

Nhưng mỗi bộ não là khác nhau, và những công cụ này có thể hoạt động tốt với bạn. Đó là lý do tại sao tôi rất vui vì có rất nhiều lựa chọn ngoài kia.