Underdog ra mắt mô hình giọng nói chỉ 32MB chạy trên trình duyệt

Trong khi các công ty AI trên thế giới chạy đua tạo ra những mô hình ngày càng lớn, một hướng đi ngược lại đang thu hút sự chú ý: các mô hình nhỏ đủ gọn để chạy trên thiết bị đầu cuối (edge device) như điện thoại hay máy tính cá nhân. Startup Underdog vừa tung ra một minh chứng cụ thể cho hướng đi này.

Công ty đã phát hành một trò chơi được xây dựng bằng mô hình giọng nói mới mang tên Woof, chỉ nặng 32MB. Trò chơi mô phỏng một căn phòng theo phong cách công nghệ cổ điển, với máy đánh chữ và màn hình CRT. Trong phòng có một chiếc đèn bàn phát ra âm thanh khi bấm công tắc. Phần giới thiệu cảnh báo người chơi về những nhà cung cấp dịch vụ đám mây "xâm nhập" trong thị trấn — một lời châm biếm nhắm vào các mô hình chạy trên cloud.

Mọi giọng nói trong game đều do Woof tạo ra

Người chơi có thể gõ bất kỳ nội dung gì trên máy đánh chữ, và trò chơi sẽ đọc lại bằng giọng nói. Ngoài ra, có thể xoay núm chỉnh để tạo ra nhiều loại nhạc khác nhau. Toàn bộ quá trình này diễn ra ngay trong trình duyệt thông qua mô hình tạo giọng nói của Underdog.

Theo công ty, mô hình có 31 triệu tham số, có thể chạy trên hầu hết thiết bị mà không cần kết nối internet, và mở cho mọi người tải về.

Một mô hình nhỏ như vậy khó có thể thay thế các mô hình lớn, nhưng vẫn đủ để vận hành các trợ lý ảo cục bộ hoặc tạo podcast cá nhân hóa.

"Chúng tôi làm một trò chơi cho mô hình chuyển văn bản thành giọng nói (text-to-speech) mới của mình. 31,7 MB, nhỏ đến mức chạy được trong trình duyệt. Mọi giọng nói đều là Woof."

Đây là chia sẻ của Underdog AI trên mạng xã hội X vào ngày 5/11/2026.

Nằm trong chuỗi sản phẩm mô hình nhỏ

Bản demo này xuất hiện vài tuần sau khi Underdog ra mắt Bark, mô hình chuyển giọng nói thành văn bản (speech-to-text) nặng 167MB, cũng được thiết kế để chạy trên thiết bị đầu cuối phục vụ ghi chép và đọc chính tả.

Sigil Wen, nhà sáng lập Underdog, cho biết ông bắt đầu xây dựng ứng dụng vì muốn tự tạo hệ thống riêng dùng các mô hình AI chạy trên thiết bị của người dùng, thay vì phụ thuộc vào các công cụ ghi chú như Granola, qua đó để người dùng sở hữu dữ liệu của chính mình.

Ông nhận định: "Tôi nghĩ trong vài tháng tới, chúng ta sẽ có thể chạy hầu hết các mô hình có năng lực hiện nay trên những thiết bị mình đang sở hữu. Chúng tôi chỉ muốn huấn luyện những mô hình mở tốt nhất, do Mỹ sản xuất, mở, có năng lực và cho phép mọi người có AI riêng tư."

Ngoài hai mô hình giọng nói trên, Underdog cũng đã phát hành một mô hình 27 tỷ tham số có thể chạy trên laptop, cùng một ứng dụng đang trong danh sách chờ, được công ty định vị là lựa chọn thay thế lưu trữ cục bộ cho Muse và Instinct.

Góc nhìn

Câu chuyện của Underdog cho thấy một hướng đi đáng cân nhắc cho các đội ngũ phát triển tại Việt Nam: không phải bài toán AI nào cũng cần gọi API tới mô hình lớn trên cloud. Với các tính năng như đọc văn bản thành giọng nói, chuyển giọng nói thành văn bản hay trợ lý đơn giản, một mô hình vài chục MB chạy cục bộ có thể đủ dùng, lại giảm chi phí hạ tầng, giảm độ trễ và tránh phải gửi dữ liệu người dùng ra ngoài.

Điều này đặc biệt phù hợp với các ứng dụng cần hoạt động khi mạng yếu hoặc không ổn định, cũng như với những sản phẩm mà yêu cầu bảo mật dữ liệu là ưu tiên. Tuy nhiên, chất lượng của mô hình nhỏ vẫn là yếu tố cần kiểm chứng thực tế trước khi đưa vào sản phẩm, và các đội ngũ nên coi đây là lựa chọn bổ sung chứ chưa hẳn thay thế hoàn toàn mô hình lớn.