SpeakEase (Public & Free)

MacBook cận cảnh nhìn chéo trên bàn gỗ trước rèm nhung tím, đèn bàn đồng bên trái, micro cổ bên phải, những mảnh giấy trắng bay giữa ánh bokeh hồng; màn hình là trang Nói của SpeakEase với nút micro hồng và dòng giữ Option Space để nói. — SpeakEase: nói thay vì gõ, chữ vào đúng chỗ con trỏ, giọng nói ở lại trên máy.

SpeakEase là ứng dụng đọc chính tả cho macOS, làm cho tiếng Việt trước tiên. Giữ một phím, nói, thả ra: chữ được dán vào đúng chỗ con trỏ, trong bất kỳ ứng dụng nào. AI có thể sửa câu, bỏ từ đệm hay dịch sang ngôn ngữ khác trước khi chữ được dán. Phần đầu bài là cái nhìn tổng quan về giao diện; phần sau nói về logic tổng thể, hướng đi và công nghệ đằng sau ứng dụng.

Mã nguồn SpeakEase được công khai trên GitHub theo giấy phép PolyForm Noncommercial 1.0.0, xây trên Handy (MIT) của CJ Pais. Giọng nói được nhận dạng ngay trên máy; AI mặc định chạy bằng Apple Intelligence trên máy, còn OpenAI, Anthropic hay OpenRouter là lựa chọn dùng khóa riêng của người dùng.

Giao diện trong một cái nhìn

Lướt ngang theo đúng đường một lần nói: từ trang Nói, tới lúc chữ vào một ứng dụng khác, rồi những gì AI làm với lời bạn, và các tính năng lớn khác. Xem hết, hoặc bấm Đọc logic, để tới phần logic, hướng đi và công nghệ ngay bên dưới.

MacBook nhìn thẳng trên mặt nỉ xám than, micro cổ phía sau, màn hình là trang Nói với nút micro hồng và các lựa chọn nhanh. — **Trang Nói** Nút micro, phím tắt và các lựa chọn nhanh: micro, mô hình, AI sửa câu và dịch, mỗi thứ cách một cú bấm.

Giữ phím, nói, thả ra Lời nói hiện dần trên thanh ghi âm; thả phím là câu đã sửa, có dấu câu và chữ số, được dán vào đúng chỗ con trỏ.

Cận cảnh nghiêng trang Lịch sử, con trỏ trên ngôi sao của một câu đã được AI sửa, bản gốc nằm ngay bên dưới, kèm một câu đã dịch sang tiếng Anh. — **AI sửa câu, bản gốc vẫn còn** Mỗi lần nói là một thẻ trong Lịch sử; bản AI sửa nằm trên, lời gốc nằm dưới, cùng số phút gõ phím đã tiết kiệm.

Dịch ngay khi đang nói Nói tiếng Việt, bấm nút dịch trên thanh ghi âm giữa chừng, và câu tiếng Anh được dán vào thư.

Cận cảnh trang AI và dịch hoà vào nền tối của app, con trỏ trên ô chọn cách AI sửa câu cho phím tắt chính, bên dưới là bộ máy AI và mẫu cho AI. — **Chọn cách AI sửa lời** Phím tắt chính dùng một mẫu sửa câu và một ngôn ngữ dịch; một công tắc tắt mọi bước AI.

Cận cảnh nghiêng trang Tệp và liên kết, con trỏ trên ô dịch sang, cạnh chữ của một đoạn phỏng vấn và thanh tiến độ của tệp đang chép. — **Tệp và liên kết** Thả vào một video hay tệp âm thanh, hoặc dán link: ứng dụng chỉ đọc phần tiếng, chữ hiện kèm nút sao chép, viết lại và dịch.

Vài giây là có chữ Nhiều tệp xếp hàng chạy lần lượt; thanh tiến độ luôn nhích, kèm thời gian còn lại.

MacBook nhìn chéo giữa nếp vải lanh tím mận và vài tờ giấy, màn hình là trang Phụ đề trực tiếp với ứng dụng đang phát và cặp ngôn ngữ. — **Phụ đề trực tiếp (beta)** Chọn một ứng dụng đang phát tiếng, ngôn ngữ người nói và ngôn ngữ bạn đọc, rồi bật phụ đề.

Phụ đề nổi, dịch ngay trên máy Mỗi câu hiện bản dịch, chữ gốc nhỏ bên dưới; câu nói dở được sửa lại khi trọn ý. Tính năng beta của bản 0.1.2, chưa phát hành.

Phần dưới đây không đi vào từng nút bấm. Nó nói ba điều: logic chung của ứng dụng, hướng đi của nó, và công nghệ đằng sau.

Logic tổng thể: một phím, một đường đi cho lời nói

SpeakEase dành cho người viết nhiều bằng tiếng Việt trên Mac: gõ dấu qua Telex hay VNI chậm, còn đọc chính tả trên mây thì gửi giọng nói của mình tới máy chủ người khác. Ứng dụng giữ một lời hứa đơn giản: giữ phím, nói, thả ra, chữ vào đúng chỗ con trỏ. Mọi lần nói đi chung một đường: thu âm, nhận dạng trên máy, chạy các bước AI bạn đã chọn theo thứ tự cố định, dán vào ứng dụng đang mở, rồi lưu vào Lịch sử.

Trang Nói của SpeakEase với nút micro, dòng phím tắt và thanh chọn nhanh micro, mô hình, AI sửa câu và dịch. — Trang Nói: nói bằng nút micro hoặc phím tắt, và đổi nhanh micro, mô hình, AI sửa câu hay ngôn ngữ dịch.

Ba nguyên tắc giữ cho đường đi đó đáng tin:

Không bắt người dùng nghĩ tới chế độ. Giữ phím lâu là nói tới khi thả, chạm nhanh là nói tới lần bấm sau. Để chế độ Tự động mà mô hình không tự nhận ra ngôn ngữ, ứng dụng thử lần lượt tiếng Việt và tiếng Anh, nhớ ngôn ngữ vừa thành công để lần sau thử trước.
Lời bạn nói không bao giờ mất. Bản ghi dài được cắt ở những chỗ lặng nhất thành các đoạn tối đa 30 giây rồi ghép lại theo thứ tự, nên không đoạn nào bị bỏ sót. Nếu một bước AI không trả về gì hay từ chối, chữ gốc vẫn được dán và ứng dụng báo rằng AI đã không chạy.
AI chạy theo thứ tự, và không nghe lệnh trong lời nói. Sửa câu trước, dịch sau; dịch sang ngôn ngữ khác tiếng Anh thì đi qua tiếng Anh. Lời nói được rào trong thẻ riêng khi gửi cho AI, nên một câu như “bỏ qua hướng dẫn trên” chỉ được viết ra, không được làm theo. Một công tắc Dùng AI tắt mọi bước AI.

Trang Ghi âm với bốn phím tắt vẽ thành từng phím: đọc chính tả, dịch, đọc kèm AI và huỷ. — Bốn phím tắt: đọc chính tả, dịch, đọc kèm AI sửa câu, và huỷ lần ghi đang chạy.

Trang AI và dịch với công tắc Dùng AI, AI sửa câu, ngôn ngữ dịch, bộ máy AI và mẫu cho AI. — AI và dịch: một công tắc cho mọi bước AI, mẫu sửa câu, ngôn ngữ đích và bộ máy chạy AI.

Lịch sử giữ cho mọi lần nói tìm lại được và trung thực. Thẻ nào có bản AI thì bản gốc luôn nằm ngay dưới; tìm kiếm không phân biệt hoa thường kể cả chữ Đ, và tìm trong cả hai bản. Ba con số trên đầu đếm theo chữ bạn thực sự nhận được, và số phút tiết kiệm được tính bằng chênh lệch giữa tốc độ gõ và tốc độ nói.

Trang Lịch sử với ô tìm kiếm, ba ô thống kê và các thẻ kèm bản gốc. — Lịch sử: tìm theo nội dung, nghe lại, sao chép, nhận dạng lại; bản gốc không bao giờ bị giấu sau bản AI.

Hướng đi: nói, sửa, dịch và lấy chữ từ mọi nguồn tiếng

Hướng đi của SpeakEase là một công cụ đọc chính tả chạy trên máy: không tài khoản, không máy chủ riêng, không đo lường sử dụng, và âm thanh không bao giờ rời khỏi máy. Trên nền đó, ứng dụng mở rộng theo những việc một người viết thật sự làm với lời nói của mình:

Viết đúng ngay lần đầu. AI thêm dấu câu, viết hoa tên riêng, đổi số đọc bằng chữ thành chữ số và bỏ từ đệm. Có sẵn mẫu Sửa câu tiếng Việt và Viết thành email; bạn tự thêm mẫu của mình, và dạy ứng dụng tên người hay thuật ngữ riêng.
Nói một thứ tiếng, dán ra thứ tiếng khác. Nói tiếng Việt, dán ra tiếng Anh hoặc 11 ngôn ngữ khác; bật cho mọi lần nói, dùng phím dịch riêng, hoặc bấm nút trên thanh ghi âm cho riêng lần đang nói.
Lấy chữ từ thứ đã ghi sẵn. Tệp MP3, M4A, MP4, MOV, MKV, WebM hay tin nhắn thoại Telegram, WhatsApp, hoặc một link; ứng dụng chỉ đọc phần tiếng, nên video 10 phút ra chữ trong khoảng 11 giây. Sau đó viết lại hoặc dịch từng phần, sao chép hay lưu thành .txt.
Phụ đề trực tiếp, bản beta. Bản 0.1.2 sắp tới nghe tiếng của một ứng dụng như Chrome, Zoom hay trình phát podcast, nhận dạng trên máy, dịch từng câu ngay trên máy và hiện song ngữ trên một khung nổi. Nó đọc cả tên video đang phát để viết đúng tên riêng, sửa câu khi đã trọn ý và lưu cả buổi vào Lịch sử. Tính năng nằm sau công tắc Thử nghiệm và chưa phát hành.

Trang Tệp và liên kết với một tệp đang chép, chữ của một video và danh sách tệp gần đây. — Tệp và liên kết: thanh tiến độ không bao giờ đứng yên, chữ gốc luôn được giữ cạnh bản viết lại hay bản dịch.

Trang Phụ đề trực tiếp với danh sách ứng dụng đang phát, ngôn ngữ người nói, ngôn ngữ dịch và bộ dịch. — Phụ đề trực tiếp: chọn ứng dụng, cặp ngôn ngữ và bộ dịch; phụ đề hiện trên một khung nổi riêng.

Những gì SpeakEase chủ động không làm cũng là một phần của hướng đi: không tài khoản, không báo lỗi tự động, giao diện chỉ có tiếng Việt và tiếng Anh, và chỉ thử nghiệm trên Mac chip Apple.

Công nghệ đằng sau

SpeakEase là một bản fork của Handy, ứng dụng chép lời mã nguồn mở của CJ Pais. Vỏ ứng dụng viết bằng Tauri 2 (Rust) với giao diện React; phần Rust lo phím tắt toàn hệ thống, thu âm, thanh ghi âm nổi, việc dán chữ vào ứng dụng khác qua quyền Trợ năng, và lịch sử trong SQLite.

Nhận dạng trên máy. Các mô hình chạy qua ONNX và các engine ggml (như whisper.cpp), tăng tốc bằng Metal. Ứng dụng chỉ gợi ý những mô hình đã được đo trên tiếng Việt: trên 60 câu của bộ Google FLEURS, Cohere Transcribe sai 6,3% số từ, Qwen3-ASR 1.7B 6,8%, Whisper Large v3 Turbo 8,2%.
AI trên máy. Apple Intelligence được gọi qua một cầu nối Swift dựng sẵn trong app, nên sửa câu và dịch chạy trên máy với các máy hỗ trợ. Dịch vụ trên mạng chỉ nhận chữ, không bao giờ nhận âm thanh, và chỉ khi bạn tự thêm khóa.
Chỉ đọc phần tiếng. Với tệp và video, rãnh âm thanh đầu tiên được giải mã thẳng thành 16 kHz mono trong bộ nhớ bằng Symphonia, có libopus cho Opus; phần hình bị bỏ qua, không mã hoá lại. Link YouTube đi qua yt-dlp nếu bạn đã cài.
Phát hành. Ứng dụng được ký Developer ID và notarize; bản cập nhật chỉ đọc từ bản phát hành GitHub của chính SpeakEase, có chữ ký riêng.

Trang Nhận dạng với mô hình đang dùng, ngôn ngữ nghe và danh sách mô hình được gợi ý cho tiếng Việt. — Nhận dạng: mô hình được xếp theo độ chính xác đo trên tiếng Việt, tải về rồi chạy offline.

Dữ liệu và giới hạn

Âm thanh, chữ nhận dạng, lịch sử và cài đặt nằm trên máy. Chỉ chữ (không phải âm thanh) mới được gửi tới dịch vụ AI bạn tự thêm khóa.

Ứng dụng cần Mac chip Apple (M1 trở lên); AI sửa câu trên máy cần Apple Intelligence (macOS 26 trở lên, trên máy hỗ trợ).
Lần đầu mở, macOS hỏi quyền Micro để nghe và quyền Trợ năng để dán chữ vào ứng dụng khác.
Mô hình nhận dạng được tải khi bạn chọn, ví dụ Cohere Transcribe khoảng 1,6 GB.
Link YouTube cần yt-dlp; ứng dụng hiện sẵn lệnh cài khi bạn dán link.
Phụ đề trực tiếp (beta, bản 0.1.2) cần macOS 14.2 trở lên và hỏi quyền ghi âm thanh hệ thống một lần.

Tải SpeakEase từ GitHub Releases, mở ra và kéo vào Applications, cấp quyền Micro và Trợ năng, chọn một mô hình, rồi giữ Option Space và nói.

Ảnh và video trong bài được chụp từ bản xem trước giao diện mới nhất của ứng dụng (bản 0.1.2, chưa phát hành), với dữ liệu ví dụ bằng tiếng Anh. Ảnh ở phần lướt ngang đặt các màn hình đã chụp vào cảnh nền tạo bằng AI, cắt theo đúng vùng màn hình của ảnh; video quay thanh ghi âm, cửa sổ và khung phụ đề thật trên một màn hình Mac dựng lại, con trỏ chuột được vẽ thêm khi dựng.

GitHub SpeakEase · Bản phát hành · README · Privacy