Trang chủ › Tách người nói trong file ghi âm
Ai nói câu nào
Tách người nói: ai nói câu nào trong bản gỡ băng
Một bản gỡ băng không tách người nói chỉ là khối chữ dài, đọc xong vẫn không biết ai cam kết điều gì. Lesskeys tự tách bản ghi theo từng giọng, cho bạn đặt tên cho mỗi người, rồi nhận lại đúng người đó ở những bản ghi sau. Toàn bộ chạy trên máy Mac của bạn, và hồ sơ giọng nói cũng nằm lại trên máy — nhưng chính vì thế mà có vài điều bạn cần lưu ý trước khi bật nó lên.
Máy làm gì khi tách người nói
Việc này trong tài liệu kỹ thuật gọi là phân tách người nói (speaker diarization), còn ngoài đời ai cũng hỏi gọn: "ai nói câu nào?". Máy làm ba việc nối tiếp nhau. Trước hết nó cắt bản ghi thành các đoạn có tiếng nói, bỏ qua khoảng lặng. Sau đó, với mỗi đoạn, nó tính ra một dấu vân giọng — một chuỗi số mô tả đặc trưng chất giọng, không phải nội dung câu nói. Cuối cùng nó gom những đoạn có dấu vân giống nhau về cùng một người.
Kết quả là bản gỡ băng không còn là một khối chữ liền mạch, mà thành danh sách câu thoại: Người nói 1, Người nói 2, kèm mốc thời gian. Bạn đọc là biết ngay ai đưa ra cam kết nào, ai nhận việc gì — thứ mà một khối chữ không tách không cho bạn biết.
Toàn bộ việc này chạy bằng GPU trong máy Mac của bạn, cùng lúc với phần nhận dạng chữ. Không có bước gửi bản ghi đi đâu cả.
Đặt tên một lần, nhận lại ở những lần sau
Ban đầu máy chỉ gọi "Người nói 1", "Người nói 2" vì nó chưa biết ai là ai. Bạn đổi thành tên thật — "Chị Hương", "Anh Tuấn", "Khách hàng" — và toàn bộ bản gỡ băng cập nhật theo.
Điểm đáng giá là lần sau. Ứng dụng lưu lại hồ sơ giọng nói của những người bạn đã đặt tên, nên trong các bản ghi tiếp theo nó nhận ra và gán đúng tên luôn. Với một nhóm làm việc cố định — cuộc họp tuần của phòng ban, chuỗi phỏng vấn cùng một nhóm ứng viên, các buổi làm việc định kỳ với một khách hàng — bạn chỉ đặt tên một lần cho cả chuỗi.
Khi đã có tên, bạn lọc và tìm kiếm theo người nói: mở tất cả những gì một người đã nói trong ba tháng qua, hoặc tìm một từ khoá nhưng chỉ trong phần phát biểu của một người. Đó là lúc kho ghi âm chuyển từ đống file thành thứ tra cứu được.
Hồ sơ giọng nói: điều bạn cần lưu ý
Đây là phần cần nói thẳng chứ không nên giấu trong điều khoản. Một hồ sơ giọng nói lưu lâu dài, dùng để nhận ra một người cụ thể ở những bản ghi sau, hoàn toàn có thể bị xem là xử lý dữ liệu sinh trắc học. Mà theo pháp luật bảo vệ dữ liệu cá nhân của Việt Nam — Luật số 91/2025/QH15 có hiệu lực từ 01/01/2026, kế thừa Nghị định 13/2023/NĐ-CP — dữ liệu sinh trắc học nằm trong nhóm dữ liệu cá nhân nhạy cảm, và về nguyên tắc việc xử lý cần có sự đồng ý rõ ràng của chính người đó.
Chúng tôi không tuyên bố ứng dụng tuân thủ hay được chứng nhận theo quy định nào. Điều nói được là sự thật về kiến trúc:
- Hồ sơ giọng nói nằm trên máy Mac của bạn, không được gửi cho chúng tôi hay bất kỳ bên thứ ba nào.
- Bạn xoá được từng hồ sơ một, không phải xoá sạch tất cả mới bỏ được một người.
- Tính năng này bật tắt được; tắt đi thì bản gỡ băng vẫn tách theo người nói trong phạm vi một bản ghi, chỉ là không nhớ sang bản ghi khác.
- Không có tài khoản, không có đồng bộ lên máy chủ.
Việc đánh giá pháp lý — ai là bên kiểm soát dữ liệu, xin sự đồng ý bằng hình thức nào, lưu trong bao lâu, khi nào phải xoá — thuộc về bộ phận pháp chế hoặc tuân thủ của tổ chức bạn. Đây là thông tin tham khảo, không phải tư vấn pháp lý. Bản gỡ băng tự động không có bảo đảm nào về giá trị pháp lý.
Xin phép trước khi ghi, và nói cả phần hồ sơ giọng nói
Ở Việt Nam, cách hành xử vừa đúng chuẩn mực vừa an toàn là nói ngay đầu buổi: "mình xin phép ghi âm để làm biên bản". Câu trả lời đồng ý của mọi người nằm luôn trong bản ghi, và bạn ghi dòng đó vào đầu biên bản. Ai không đồng ý thì không ghi — chuyện này không có vùng xám.
Nếu bạn dùng tính năng lưu hồ sơ giọng nói để nhận lại người đó ở các buổi sau, hãy nói rõ điều đó chứ đừng chỉ nói chung chung là "có ghi âm". Một câu là đủ: "phần mềm sẽ lưu lại đặc trưng giọng của mọi người để lần sau tự điền tên, ai không muốn thì mình tắt".
Điều 38 Bộ luật Dân sự 2015 quy định việc thu thập, lưu giữ, sử dụng thông tin về đời sống riêng tư, bí mật cá nhân của người khác phải được người đó đồng ý. Với môi trường doanh nghiệp, việc giám sát hay ghi âm nhân viên còn phải nằm trong nội quy lao động đã đăng ký theo Bộ luật Lao động 2019 và được thông báo trước — hãy hỏi bộ phận pháp chế, nhân sự và tham khảo ý kiến công đoàn cơ sở trước khi triển khai cho cả phòng ban.
Khi nào máy gán nhầm người nói
Việc tách người nói là tự động, nên nó không hoàn hảo. Những tình huống hay sai:
| Tình huống | Máy thường làm gì |
|---|---|
| Hai người nói chồng lên nhau | Gán cả đoạn cho một người, bỏ sót người kia |
| Hai giọng rất giống nhau (cùng giới, cùng vùng, cùng độ tuổi) | Gộp thành một người |
| Câu chen ngang cực ngắn — "dạ", "đúng rồi", "vâng" | Gán nhầm sang người đang nói chính |
| Tiếng vọng từ loa ngoài | Tạo thêm một "người nói" ma |
| Đường truyền nhiễu, tiếng bị ngắt quãng | Cắt một người thành hai |
| Họp đông trên mười người | Số người nói bị đếm sai rõ rệt |
Nói thật cho dễ hình dung: buổi hai đến ba người cho kết quả tốt hơn hẳn một cuộc họp đông. Phỏng vấn một đối một là trường hợp lý tưởng. Mọi nhãn người nói đều sửa tay được, nên quy trình hợp lý là để máy tách trước rồi bạn duyệt lại một lượt.
Thu thế nào để tách cho tốt
- Thu thẳng âm thanh hệ thống từ phần mềm họp thay vì để loa phát ra rồi thu lại bằng micro — riêng điều này đã loại bỏ phần lớn lỗi.
- Khuyến khích mỗi người dùng tai nghe có micro, giọng tách bạch hơn nhiều so với micro laptop giữa phòng.
- Nhắc mọi người nói lần lượt ở những đoạn quan trọng, ít nhất là lúc chốt việc.
- Đầu buổi cho mỗi người nói một câu giới thiệu — vừa là chỗ để bạn gán tên chính xác, vừa cho máy một mẫu giọng sạch.
Cấu hình và giá
Yêu cầu: macOS 13 (Ventura) trở lên và Apple Silicon (M1 trở lên) là bắt buộc — máy Mac chip Intel không chạy được, vì việc tách người nói và nhận dạng chữ đều dùng GPU của máy.
Tải về từ Mac App Store miễn phí. Bản miễn phí cho gỡ băng tổng cộng 5 file audio và 5 file video — trọn đời, không phải mỗi ngày — cùng 5 phút nhập liệu bằng giọng nói mỗi ngày. Ghi âm thì không giới hạn và gỡ băng lại một bản đã gỡ rồi thì không tốn thêm lượt, nên bạn thử được tính năng tách người nói bằng chính bản ghi cuộc họp của mình. Dùng vượt mức đó thì mở khoá Pro trong ứng dụng: 49,99 $ trả một lần, không phải thuê bao (khoảng 1,2–1,3 triệu ₫ — ước tính, số tiền thật hiển thị trên App Store Việt Nam).
Tải miễn phí — bản miễn phí có giới hạn. Không thuê bao. · Mở khoá Pro 49,99 $, trả một lần · macOS 13 trở lên
Câu hỏi thường gặp
Ứng dụng phân biệt người nói bằng cách nào?
Nó cắt bản ghi thành các đoạn có tiếng nói, tính cho mỗi đoạn một dấu vân giọng mô tả đặc trưng chất giọng chứ không phải nội dung câu nói, rồi gom các đoạn giống nhau về cùng một người. Việc này chạy bằng GPU ngay trong máy Mac của bạn.
Có nhớ được người nói giữa các bản ghi khác nhau không?
Có. Khi bạn đặt tên cho một giọng, ứng dụng lưu hồ sơ giọng nói đó lại và tự gán đúng tên ở những bản ghi sau. Hồ sơ nằm trên máy Mac của bạn, xoá được từng cái một, và tính năng này bật tắt được.
Lưu hồ sơ giọng nói có phải là dữ liệu nhạy cảm không?
Hồ sơ giọng nói lưu lâu dài hoàn toàn có thể được xem là dữ liệu sinh trắc học, mà theo pháp luật bảo vệ dữ liệu cá nhân của Việt Nam thì đây thuộc nhóm dữ liệu cá nhân nhạy cảm và về nguyên tắc cần sự đồng ý rõ ràng của người đó. Chúng tôi không đưa ra tuyên bố tuân thủ hay chứng nhận nào; việc đánh giá thuộc về bộ phận pháp chế hoặc tuân thủ của bạn. Đây là thông tin tham khảo, không phải tư vấn pháp lý.
Tôi cần nói gì với người được ghi âm?
Xin phép ngay đầu buổi, ví dụ “mình xin phép ghi âm để làm biên bản”, để câu đồng ý nằm luôn trong bản ghi. Nếu bật tính năng lưu hồ sơ giọng nói thì nói rõ cả phần đó. Ai không đồng ý thì không ghi. Điều 38 Bộ luật Dân sự 2015 quy định việc thu thập, lưu giữ, sử dụng thông tin về đời sống riêng tư của người khác phải được người đó đồng ý.
Máy tách người nói chính xác tới mức nào?
Buổi hai đến ba người cho kết quả tốt hơn hẳn cuộc họp đông. Máy hay gán nhầm khi hai người nói chồng lên nhau, khi hai giọng quá giống nhau, với những câu chen ngang rất ngắn kiểu “dạ”, “vâng”, và khi có tiếng vọng từ loa ngoài. Mọi nhãn người nói đều sửa tay được.
Dùng miễn phí thử được không?
Được. Bản miễn phí cho gỡ băng tổng cộng 5 file audio và 5 file video, tính trọn đời chứ không phải mỗi ngày, cùng 5 phút nhập liệu bằng giọng nói mỗi ngày. Ghi âm không giới hạn và gỡ băng lại một bản đã gỡ thì không tốn thêm lượt. Dùng tiếp thì mở khoá Pro với 49,99 $ trả một lần, không phải thuê bao.