Hướng dẫn dùng AI

Trò chuyện bằng giọng nói với AI: luyện nói và ôn bài

Nói chuyện với trợ lý AI bằng giọng nói đã gần như hội thoại thật: bạn ngắt lời được, trợ lý nghe trong lúc đang nói, và mọi thứ được chép lại thành chữ. Với học sinh, đây là cách luyện nói ngoại ngữ và ôn bài rất tiện, nhưng cũng là nơi giọng nói của bạn được thu lại. Bài này đọc trang trợ giúp của OpenAI, Google và Anthropic ngày 11/11/2026 để so ba chế độ giọng nói, trả lời câu hỏi âm thanh được lưu ra sao, và gợi ý cách luyện nói có kiểm tra lại được.

Ý chính
  • Cả ChatGPT, Gemini và Claude đều có chế độ trò chuyện bằng giọng nói, cho ngắt lời tự nhiên và lưu bản chép lời vào lịch sử trò chuyện.
  • ChatGPT giữ đoạn âm thanh của chế độ Live cùng bản chép lời trong 30 ngày; Claude mặc định không giữ âm thanh; Gemini mặc định không dùng âm thanh để cải thiện dịch vụ.
  • Độ tuổi: ChatGPT và Gemini Live cho từ 13 tuổi (ChatGPT cần cha mẹ cho phép nếu dưới 18), Claude yêu cầu từ 18 tuổi.
  • Bản chép lời không phải bản ghi nguyên văn. Dùng nó để tìm từ cần luyện thêm, không dùng để chấm điểm phát âm.

Code trong bài là Python, chỉ dùng thư viện chuẩn. Các câu luyện trong code là ví dụ tự soạn.

Chế độ giọng nói khác đọc chính tả thế nào

Cả OpenAI và Anthropic đều tách hai tính năng. Đọc chính tả biến lời bạn nói thành chữ để bạn xem, sửa, rồi mới gửi như tin nhắn gõ tay. Chế độ giọng nói là hội thoại hai chiều: bạn nói, trợ lý nói lại, và cuộc trò chuyện chạy liên tục. Nếu bạn chỉ lười gõ một câu hỏi dài, đọc chính tả là đủ. Nếu bạn muốn luyện phản xạ nghe và nói, cần chế độ giọng nói.

Điểm mới của năm 2026 là trợ lý nghe trong lúc đang nói. Trang trợ giúp của OpenAI mô tả chế độ Live nghe và nói cùng lúc, nên việc ngắt lời và đổi lượt tự nhiên hơn. Gemini Live cũng cho ngắt lời để thêm chi tiết hoặc đổi chủ đề. Claude có hai cách: rảnh tay, trợ lý nghe liên tục và trả lời khi bạn ngừng; hoặc bấm giữ để nói, hợp khi xung quanh ồn.

ChatGPT: Live và mốc 11/12/2026

Trang ChatGPT Voice cập nhật ngày 11/11/2026 liệt kê ba lựa chọn: Live, Advanced và Standard. Live là chế độ mới, dùng được tìm kiếm web, bộ nhớ, ảnh và chữ trong cùng cuộc trò chuyện, nhưng không chia sẻ video hay màn hình. Advanced là chế độ thời gian thực trước đây, vẫn còn để chia sẻ video và màn hình trên điện thoại. Standard nghe từng lượt, chép lời bạn rồi mới trả lời. Trang ghi cả Advanced và Standard ngừng vào ngày 11/12/2026; ai đang chọn chúng sẽ được chuyển sang Live.

Thời lượng Live tính theo 24 giờ cuốn chiếu. Gói Free có lượt dùng giới hạn và có thể thay đổi; gói Go và Plus có 3 giờ; gói Pro 100 USD mỗi tháng có 15 giờ. Bạn chọn được ngôn ngữ nói chính trong cài đặt giọng nói, và có thể bảo ChatGPT đổi sang ngôn ngữ khác ngay trong lúc nói. Bạn cũng có thể nhờ nó nói chậm hơn, nhưng chưa có nút chỉnh tốc độ chính xác. Với tài khoản tuổi teen đã liên kết với phụ huynh, cha mẹ quản lý được việc dùng giọng nói qua phần kiểm soát của phụ huynh.

Gemini Live: trên điện thoại, từ 13 tuổi

Trang trợ giúp của Google cho phiên bản Android ghi Gemini Live chạy trong ứng dụng Gemini trên điện thoại hoặc máy tính bảng, hiện chưa có trên bản web. Người dùng phải từ 13 tuổi, hoặc mức tuổi luật nước sở tại quy định, và phải đăng nhập. Gemini Live chia sẻ được camera và màn hình, có phụ đề, và chạy được khi khóa màn hình. Trang cũng ghi Gems chưa dùng được trong Live, và phần cá nhân hóa bằng trí nhớ chỉ có bằng tiếng Anh ở Mỹ.

Trang trợ giúp nhắc một điều nên đọc kỹ: tôn trọng quyền riêng tư của người khác, hỏi họ trước khi thu tiếng hoặc đưa họ vào cuộc trò chuyện. Trong lớp học hay ở nhà, nếu bạn bè hay người thân có thể lọt vào micro, hãy nói với họ trước.

Claude: mọi gói, nhưng từ 18 tuổi

Trang trợ giúp của Anthropic ghi chế độ giọng nói đang ở dạng thử nghiệm, có cho mọi gói từ Free tới Enterprise, trên điện thoại, máy tính và web, nhưng làm tốt nhất trên điện thoại. Thời gian nói tính vào hạn mức chung của gói. Claude dùng được tìm kiếm web và các công cụ đã kết nối trong lúc nói; gói Free kết nối được một công cụ. Các ngôn ngữ ngoài tiếng Anh vẫn đang thử nghiệm; bạn đặt ngôn ngữ nói trong cài đặt, và đổi ngôn ngữ hiển thị của ứng dụng không làm đổi ngôn ngữ nói. Về độ tuổi, điều khoản cá nhân của Claude yêu cầu từ 18 tuổi; xem bài cách dùng Claude.

Âm thanh của bạn được lưu thế nào

Âm thanh giọng nói đi đâu Theo trang trợ giúp ba hãng, đọc 11/11/2026 1. Bạn nóiMicro thu tiếngvào trợ lý 2. ChatGPTGiữ âm thanh30 ngày, kèm lời 3. GeminiKhông huấn luyệnbằng âm, mặc định 4. ClaudeKhông giữ âmchỉ lưu chữ Bản chép lời vẫn nằm trong lịch sử trò chuyện
Âm thanh giọng nói đi đâu 1. Bạn nóiMicro thu tiếngvào trợ lý 2. ChatGPTGiữ âm thanh30 ngày, kèm lời 3. GeminiKhông huấn luyệnbằng âm, mặc định 4. ClaudeKhông giữ âmchỉ lưu chữ Bản chép lời vẫn nằm trong lịch sử trò chuyện
Hình 1. Âm thanh và bản chép lời ở ba chế độ giọng nói, theo trang trợ giúp của OpenAI, Google và Anthropic ngày 11/11/2026.

Ở ChatGPT, đoạn âm thanh của Live và Advanced được lưu cùng bản chép lời trong lịch sử, giữ 30 ngày. Xóa cuộc trò chuyện thì âm thanh đi kèm cũng bị xóa trong vòng 30 ngày, trừ khi cần giữ vì lý do an toàn hoặc pháp lý. Lưu trữ cuộc trò chuyện thì không xóa gì cả. Âm thanh chỉ dùng để huấn luyện khi bạn tự bật chia sẻ bản ghi âm trong phần kiểm soát dữ liệu; nhưng nếu bạn bật cải thiện mô hình cho mọi người, bản chép lời có thể được dùng.

Ở Gemini, trung tâm quyền riêng tư ghi âm thanh, video và màn hình chia sẻ trong Live mặc định không dùng để cải thiện dịch vụ; bạn phải tự bật. Bản chép lời và tệp tải lên trong Live thì đi theo cài đặt Nhật ký: nếu bật, chúng được dùng để cải thiện dịch vụ, kể cả mô hình AI. Nếu tắt Nhật ký, cuộc trò chuyện Live vẫn được giữ trong tài khoản Google khoảng hai tháng, để cung cấp dịch vụ, xử lý phản hồi và bảo vệ Google, người dùng và cộng đồng.

Ở Claude, mặc định âm thanh không được giữ: lời nói được chép thành chữ, bản ghi âm bị xóa, bản chép lời lưu vào lịch sử. Người dùng gói Free, Pro, Max và Ultra có thể tự chọn chia sẻ bản ghi âm để giúp cải thiện tính năng.

Điểm chung: dù âm thanh có được giữ hay không, những gì bạn nói vẫn nằm trong lịch sử dưới dạng chữ. Đừng đọc số điện thoại, địa chỉ nhà hay mật khẩu khi đang ở chế độ giọng nói.

Luyện nói ngoại ngữ

Một buổi luyện nói hiệu quả có mục tiêu rõ. Trước khi bật micro, gõ một tin nhắn mô tả vai: bạn là học sinh lớp 9 luyện tiếng Anh giao tiếp, muốn đóng vai khách đặt bàn ở nhà hàng, trợ lý đóng vai nhân viên, nói chậm, dùng từ đơn giản, và sau mỗi lượt chỉ sửa một lỗi quan trọng nhất. Rồi mới chuyển sang nói. ChatGPT và Claude đều cho chuyển giữa gõ và nói trong cùng cuộc trò chuyện mà không mất ngữ cảnh.

Trang của OpenAI gợi ý một mẹo hữu ích cho người mới: đầu buổi, bảo trợ lý đợi tới khi bạn yêu cầu mới trả lời, để bạn có thời gian nghĩ. Nếu trợ lý cứ ngắt lời, đeo tai nghe, ra chỗ yên tĩnh, hoặc với Claude thì chuyển sang bấm giữ để nói.

Sau buổi nói, mở lịch sử và đọc lại bản chép lời. Đây là phần nhiều người bỏ qua nhưng lại có ích nhất: bạn thấy câu nào mình nói thiếu từ, chỗ nào trợ lý hiểu sai ý bạn.

So câu mẫu với bản chép lời

Cách luyện phát âm có thể kiểm tra lại: chọn vài câu mẫu, đọc to từng câu trong chế độ giọng nói, rồi chép bản chép lời ra để so với câu gốc. Từ nào bị nghe khác là từ bạn nên luyện thêm. Đoạn Python dưới đây làm việc so sánh đó theo từng từ: bỏ chữ hoa và dấu câu, giữ dấu nháy trong từ như o'clock, rồi liệt kê từ bị nghe thành từ khác, từ không nghe thấy và từ nghe thừa.

"""So câu bạn định nói với bản chép lời mà trợ lý AI ghi lại.

Dùng khi luyện nói: đọc to một câu mẫu trong chế độ giọng nói, chép bản ghi lời
(transcript) trong lịch sử trò chuyện vào đây, rồi xem từ nào bị nghe khác.
Bản chép lời không phải bản ghi nguyên văn, nên kết quả chỉ là gợi ý để luyện thêm.
"""
import re
from difflib import SequenceMatcher


def tach_tu(cau):
    """Chữ thường, bỏ dấu câu, giữ dấu nháy đơn bên trong từ (o'clock, don't)."""
    cau = cau.lower().replace("’", "'")
    return re.findall(r"[^\W_]+(?:'[^\W_]+)*", cau)


def so(mau, chep):
    a, b = tach_tu(mau), tach_tu(chep)
    khac = []
    dung = 0
    for loai, i1, i2, j1, j2 in SequenceMatcher(a=a, b=b, autojunk=False).get_opcodes():
        if loai == "equal":
            dung += i2 - i1
        elif loai == "replace":
            khac.append(("nghe thành", " ".join(a[i1:i2]), " ".join(b[j1:j2])))
        elif loai == "delete":
            khac.append(("không nghe thấy", " ".join(a[i1:i2]), ""))
        else:
            khac.append(("nghe thừa", "", " ".join(b[j1:j2])))
    ti_le = dung / len(a) if a else 0.0
    return ti_le, khac


def in_ket_qua(mau, chep):
    ti_le, khac = so(mau, chep)
    print("Câu mẫu :", mau)
    print("Chép lời:", chep)
    print(f"Khớp {ti_le:.0%} số từ của câu mẫu")
    for loai, goc, nghe in khac:
        if loai == "nghe thành":
            print(f"  '{goc}' {loai} '{nghe}'")
        elif loai == "không nghe thấy":
            print(f"  '{goc}' {loai}")
        else:
            print(f"  {loai} '{nghe}'")
    print()


BAI_LUYEN = [
    ("I would like to book a table for two people at seven o'clock.",
     "I would like to look a table for two people at seven clock."),
    ("She sells sea shells by the sea shore.",
     "She sell sea shells by sea shore."),
]

if __name__ == "__main__":
    for mau, chep in BAI_LUYEN:
        in_ket_qua(mau, chep)

Với câu đặt bàn, chương trình báo khớp 85% số từ: book bị nghe thành look, o'clock bị nghe thành clock. Với câu luyện âm s, nó báo sells bị nghe thành sell và mất chữ the. Phần kiểm đi kèm so kết quả với cách đếm tay (11 trên 13 từ và 6 trên 8 từ) và với khoảng cách sửa từ tính riêng bằng quy hoạch động. Bản chép lời có thể ghi số bằng chữ số, như 7 thay cho seven; khi đó chương trình báo sai dù bạn đọc đúng, nên chọn câu mẫu không có số.

Đừng coi con số này là điểm phát âm. OpenAI ghi rõ bản chép lời không phải bản ghi nguyên văn và có thể lệch khi có tiếng ồn hay khi hai bên nói chồng lên nhau. Một từ bị nghe sai có thể do micro, do phòng ồn, hoặc do bộ chép lời tự sửa câu cho hợp ngữ pháp. Hãy đọc lại câu đó vài lần ở chỗ yên tĩnh; nếu vẫn sai đúng từ ấy, đó mới là từ cần luyện.

Ôn bài bằng hỏi đáp

Giọng nói hợp với kiểu ôn bài hỏi đáp nhanh: nhờ trợ lý hỏi bạn mười câu về một chương, bạn trả lời bằng lời, trợ lý nhận xét. Trang của Anthropic gợi ý chia câu hỏi nhiều phần thành từng câu nhỏ, và cách này cũng đúng khi bạn là người trả lời. Với môn cần công thức hay code, chuyển sang gõ cho phần đó rồi quay lại nói.

Một lưu ý về độ chính xác: OpenAI ghi giọng nói dùng múi giờ của thiết bị để hiểu các chữ như hôm nay hay ngày mai, và khuyên kiểm tra lại thông tin quan trọng. Khi ôn bài, mọi thông tin trợ lý nói ra đều cần đối chiếu với sách giáo khoa hoặc vở ghi.

Cẩn thận
  • Dùng chế độ giọng nói ở nơi có người khác mà chưa hỏi ý họ.
  • Đọc thông tin cá nhân như số điện thoại, địa chỉ hay mật khẩu bằng giọng nói.
  • Coi tỉ lệ khớp của bản chép lời là điểm phát âm.
  • Học sinh dưới 18 tuổi dùng Claude, hoặc dưới 13 tuổi dùng ChatGPT hay Gemini Live.

Câu hỏi thường gặp

Chế độ giọng nói có tốn phí không?

ChatGPT có lượt Live giới hạn ở gói Free; trang về Gemini Live không nêu giới hạn riêng; Claude có cho mọi gói nhưng tính vào hạn mức chung.

ChatGPT có giữ giọng nói của tôi không?

Có. Đoạn âm thanh của Live lưu cùng bản chép lời 30 ngày; chỉ dùng huấn luyện nếu bạn tự bật chia sẻ bản ghi âm.

Có dùng tiếng Việt được không?

ChatGPT và Claude cho đặt ngôn ngữ nói trong cài đặt; với Claude, ngôn ngữ ngoài tiếng Anh vẫn đang thử nghiệm. Hãy thử trước với câu ngắn.

Bản chép lời có chính xác không?

Không phải bản ghi nguyên văn; có thể lệch khi ồn hoặc nói chồng lên nhau.

Học tiếp

Nếu bạn muốn học Python và AI bài bản cùng giảng viên, tham khảo khóa học AI của Big-O Coding.

Muốn học bài bản cùng giảng viên?

Khóa AI – Introduction to Machine Learning: nền tảng Máy học từ thuật toán cơ bản đến Neural Networks và LLM, học bằng Python. Học thử buổi 1 miễn phí.

Xem Khóa AI

Nguồn tham khảo

Chia sẻ: Facebook LinkedIn
Nhắn Zalo tư vấnZalo Gọi 0937 401 483