MH SOLUTIONMHVOICE

MHVoice

Sạch tiếng nói trước mọi bước sau.

Nền tảng AI xử lý tiếng nói tiếng Việt của MH Solution.

Bóc tách giọng nói tiếng Việt thành văn bản sạch, số liệu có cấu trúc và biểu cảm theo đoạn — lọc nhiễu tới −32 dB, hiểu 63 nhóm phương ngữ, tiếng lóng và giọng ngọng.

Dùng thử ngay

Dùng thử ngay

Nghe 2 đoạn ghi âm thật — bấm vào từng câu để nhảy đúng vị trí.

BẢN THÔ — CÒN NHIỄU ĐỘNG CƠ · GIÓ · TẠP ÂM
0:00 / 1:11
Lọc nhiễu TẮT · BẢN THÔ
Sẵn sàng
Động cơ xeGióTạp âmChỉ còn lời nói sau khi lọc

Đang chọn BẢN THÔ (còn nguyên nhiễu). Bấm Phát để nghe; bật “Lọc nhiễu” để nghe bản sạch.

Mẫu giọng: Mozilla Common Voice (CC0).

−32 dBGiảm nhiễu môi trường
63 nhómPhương ngữ, tiếng lóng và giọng ngọng
<1 giâyTừ tiếng nói thành văn bản sạch

Tính năng — quy trình 6 bước

1

Nhận âm

Tải file wav / mp3 / m4a hoặc ghi trực tiếp từ micro, tổng đài.

2

Lọc nhiễu

Giảm nhiễu tới −32 dB — nghe thử trước / sau ngay trong phiên.

3

Nhận diện giọng

Tách tới 8 người nói; nhận 63 nhóm phương ngữ và âm ngọng l/n, tr/ch, s/x.

4

Làm sạch hội thoại

Lược bỏ 9 nhóm từ đệm (ề, à, ừm, ạ…) — chuyển qua lại giữa bản thô và bản sạch trong cùng một phiên.

5

Trích xuất

Tóm tắt 3 mức, tách riêng số liệu (SĐT, biển số, tiền, giờ giấc) và từ khóa — bấm là nhảy tới đúng câu.

6

Phân tích biểu cảm

Biểu cảm theo từng đoạn: Bình tĩnh, Nóng nảy, Hoảng sợ, Do dự, Chắc chắn.

AI xử lý tiếng nói

Bốn lớp AI chạy nối tiếp trong cùng một phiên — từ lúc tiếng nói đi vào tới khi thành văn bản và dữ liệu có cấu trúc.

LỌC NHIỄU

Mỗi loại nhiễu một mô hình riêng

Tiếng động cơ, gió và đám đông được xử lý bằng các mô hình AI tách biệt thay vì một bộ lọc chung, giảm nhiễu tới −32 dB mà vẫn giữ nguyên màu giọng của người nói.

PHƯƠNG NGỮ

Nhận diện 63 nhóm phương ngữ, tự học biến thể mới

AI nhận diện 63 nhóm phương ngữ tiếng Việt cùng tiếng lóng và các dạng ngọng, đồng thời tự học biến thể phương ngữ mới phát sinh mà không cần gán nhãn lại từ đầu.

LÀM SẠCH HỘI THOẠI

Làm sạch trước khi bóc tách

AI nhận diện và lược 9 nhóm từ đệm ngay từ đầu vào, giúp bản ghi sạch hơn và nâng chất lượng bản dịch sau đó thêm +18% BLEU theo tài liệu sản phẩm.

BIỂU CẢM

Phân tích biểu cảm từ giọng nói

AI đo độ rung giọng, nhịp nói và các khoảng ngắt nghỉ để xác định biểu cảm theo từng đoạn: Bình tĩnh, Nóng nảy, Hoảng sợ, Do dự, Chắc chắn.

Hiệu quả nhận diện tiếng Việt

93,6%Độ chính xác với giọng địa phương
89,2%Nhận diện tiếng lóng trong hội thoại
86,8%Nhận diện âm ngọng (l/n, tr/ch, s/x)
+18% BLEUChất lượng bản dịch sau khi làm sạch từ đệm
96,1%Tách số liệu (SĐT, biển số, tiền, giờ giấc) thành dữ liệu có cấu trúc
84,5%Nhận diện biểu cảm theo đoạn nói

Số liệu đo trên bộ thử nghiệm nội bộ tháng 10/2026.

Thông số kỹ thuật

Độ trễ xử lý trực tuyến (STT)< 1.000 ms
Xử lý hàng loạt (batch)~100 giờ ghi âm / giờ máy
Người nói song song trong một phiêntới 8
Giảm nhiễu môi trườngtới −32 dB
Định dạng vàowav · mp3 · m4a · luồng mic/tổng đài
Định dạng ravăn bản · JSON · SRT

Câu hỏi thường gặp

Giải đáp về năng lực xử lý của MHVoice theo tài liệu sản phẩm của MH Solution.

MHVoice giảm được những loại nhiễu nào?

MHVoice giảm nhiễu tới −32 dB với tiếng động cơ, gió và đám đông. Mỗi loại nhiễu có một mô hình xử lý riêng, nên tiếng nói được tách sạch mà vẫn giữ nguyên màu giọng.

MHVoice nhận diện được những phương ngữ nào?

Hệ thống nhận diện 63 nhóm phương ngữ tiếng Việt trên cả nước, gồm cả tiếng lóng và các dạng ngọng thường gặp. Khi xuất hiện biến thể mới, hệ thống tự học thêm mà không cần gán nhãn lại.

Từ đệm trong hội thoại được xử lý thế nào?

MHVoice nhận diện và làm sạch 9 nhóm từ đệm như ề, à, ừm, ạ, ừ rồi… ngay trước bước bóc tách. Nhờ vậy bản ghi gọn hơn và các bước xử lý sau chính xác hơn.

Một phiên tối đa mấy người nói?

MHVoice tách được tới 8 người nói trong cùng một phiên và bám đúng lượt nói của từng người.

MHVoice hỗ trợ những định dạng âm thanh nào?

Đầu vào gồm wav, mp3, m4a và luồng micro / tổng đài. Đầu ra là văn bản, JSON và phụ đề SRT.

Độ trễ xử lý trực tuyến là bao lâu?

Xử lý trực tuyến có độ trễ dưới 1 giây. Ở chế độ hàng loạt, hệ thống xử lý khoảng 100 giờ ghi âm cho mỗi giờ máy.

Số liệu trong hội thoại được tách ra gồm những loại nào?

Hệ thống tách riêng số điện thoại, biển số, tiền và giờ giấc thành dữ liệu có cấu trúc. Độ chính xác tách số liệu đạt 96,1% theo tài liệu sản phẩm.

Phân tích biểu cảm đo bằng cách nào?

AI phân tích biểu cảm qua độ rung giọng, nhịp nói và các khoảng ngắt nghỉ trong câu. Tài liệu nêu 7 trạng thái, trong đó 5 trạng thái được nêu tên là Bình tĩnh, Nóng nảy, Hoảng sợ, Do dự và Chắc chắn.

Âm thanh giữa các kênh có bị lẫn nhau không?

Không. Mỗi cabin / kênh âm thanh có một tiến trình xử lý riêng, các kênh chạy song song mà không đan xen vào nhau.