Ghi biên bản cuộc họp bằng speech to text tiếng Việt: được và chưa

01/10/2026

Ai từng làm thư ký cuộc họp đều biết cảm giác này: vừa nghe, vừa gõ, vừa lo bỏ sót một ý quyết định quan trọng, và đến cuối buổi thì ghi chú chỉ còn là những mảnh vụn khó hiểu. Dùng speech to text tiếng Việt để ghi biên bản cuộc họp nghe như lời giải rõ ràng cho nỗi khổ đó. Nó giải được một phần, và phần còn lại thì cần nói thẳng ra, vì công cụ nào cũng có chỗ nó chưa làm tốt.

Phần máy làm được

Việc đầu tiên là chép lời. Cuộc họp một giờ được chuyển thành văn bản đầy đủ, có thể tìm kiếm. Bạn nhớ có ai đó nhắc đến hạn nộp báo cáo nhưng không nhớ lúc nào? Gõ từ khoá là ra. Chỉ riêng việc này đã đổi cách nhiều đội làm việc, vì nó chấm dứt những cuộc tranh luận kiểu "hôm đó anh nói thế mà".

Việc thứ hai là dùng mô hình ngôn ngữ để rút gọn bản chép lời thành biên bản: nội dung chính, quyết định đã chốt, việc cần làm kèm người phụ trách, những câu hỏi còn bỏ ngỏ. Đây là bước mà LLM tiếng Việt phát huy, vì nó phải hiểu cấu trúc của một cuộc họp chứ không chỉ gom từ. Ghép speech to text với LLM là kiến trúc hợp lý, và cũng là hướng mà AIVISION quan tâm, khi chúng tôi vừa có model speech-to-text E1.0 vừa có model LLM L1.0 cho tiếng Việt.

Một biên bản tốt gồm những gì

Thông tin chung: thời gian, người tham dự.
Các quyết định, mỗi quyết định một dòng, rõ chủ thể.
Danh sách việc cần làm: ai, việc gì, hạn nào.
Vấn đề tồn đọng cần họp tiếp.

Máy dễ dựng khung này. Nhưng nội dung trong khung thì phải được người họp kiểm lại.

Những chỗ còn vướng

Tôi từng thử đưa một đoạn họp nội bộ thật, có sáu người, vào một hệ thống chép lời. Kết quả đọc được, nhưng có vài lỗi rất đặc trưng. Cả nhóm hay nói chồng lên nhau lúc sôi nổi, và đó là lúc máy rối nhất. Ai nói câu nào cũng bị lẫn, trong khi biên bản thì cần đúng người.

Phân biệt người nói (speaker diarization) vẫn là bài toán khó, nhất là khi mọi người ngồi chung một phòng và dùng chung một micro. Nếu mỗi người đeo tai nghe riêng, bạn có kênh âm thanh tách biệt và vấn đề nhẹ đi nhiều. Phòng họp lớn với một micro đặt giữa bàn thì khác hẳn: tiếng vọng, người ngồi xa nói nhỏ, tiếng quạt, tiếng gõ bàn phím.

Rồi đến ngôn ngữ. Cuộc họp công việc ở Việt Nam trộn tiếng Việt với tiếng Anh liên tục, từ "deadline", "KPI", "pipeline" đến cả câu. Thêm viết tắt nội bộ, tên dự án, tên khách hàng. Mô hình tổng quát thường chép sai những từ này, và LLM phía sau sẽ cố "đoán cho hợp lý", đôi khi tạo ra một câu nghe rất trôi chảy nhưng không ai nói.

Vấn đề lớn nhất: tóm tắt nghe hợp lý nhưng sai

Đây là rủi ro tôi lo nhất. Bản tóm tắt do LLM sinh ra thường rất mượt, và chính sự mượt đó khiến người đọc mất cảnh giác. Một quyết định "hoãn sang tuần sau" có thể bị viết thành "huỷ". Một việc giao cho chị Lan có thể bị gán cho anh Hùng vì hai người cùng được nhắc trong một đoạn. Không ai cố tình sai, nhưng biên bản sai thì có hậu quả thật.

Vì thế quy trình nên có hai lớp bảo vệ. Một, biên bản luôn đi kèm đường dẫn về đoạn chép lời gốc, để ai nghi ngờ thì bấm vào nghe lại. Hai, những mục mang tính cam kết, như quyết định, hạn chót, con số, phải được người chủ trì xác nhận trước khi gửi đi. Tốn thêm vài phút, đổi lại tránh được cả buổi họp lại để sửa hiểu lầm.

Về tính bảo mật

Cuộc họp ban lãnh đạo hay cuộc họp về nhân sự không phải thứ bạn muốn gửi lên một dịch vụ bên ngoài mà không biết nó được lưu ở đâu. Hãy hỏi rõ về nơi xử lý dữ liệu, thời gian lưu trữ, và việc dữ liệu có bị dùng để huấn luyện lại hay không. Với nhiều tổ chức, phương án triển khai tại chỗ là điều kiện bắt buộc, và cách thiết kế hệ thống nên tính đến điều đó từ đầu.

Cách dùng cho đúng

Theo kinh nghiệm của tôi, những đội dùng hiệu quả thường làm vài việc rất đơn giản. Họ nói tên mình trước khi phát biểu trong lần đầu, để dễ gắn người nói. Họ dùng micro đủ tốt, vì chất lượng âm thanh đầu vào quyết định phần lớn kết quả. Họ chuẩn bị sẵn danh sách thuật ngữ và tên riêng của dự án. Và họ coi bản máy sinh ra là bản nháp thứ nhất, không phải bản cuối.

Nếu bạn muốn tìm hiểu thêm về cách AIVISION tiếp cận tiếng Việt, từ nhận dạng giọng nói đến mô hình ngôn ngữ, cứ xem trên website. Còn về biên bản họp: hãy để máy lo phần chép và dựng khung, để người lo phần xác nhận. Chia việc như vậy thì cả hai làm việc đúng sở trường.