Giải pháp AI chuyển đổi nội dung cuộc họp của Sphinx: Từ bản ghi âm đến biên bản chính thức

Hệ thống chuyển đổi nội dung cuộc họp thành văn bản bằng AI của Sphinx
Một cuộc họp kéo dài hai giờ có thể khiến thư ký mất thêm nửa ngày, thậm chí cả ngày làm việc để hoàn thành biên bản: nghe lại bản ghi âm, ghi chép từng phát biểu, kiểm tra tên người nói và định dạng biên bản theo đúng yêu cầu hành chính của tổ chức. Đến khi biên bản được ký duyệt, một số quyết định và chỉ đạo có thể đã chậm tiến độ thực hiện.
Hệ thống chuyển đổi nội dung cuộc họp thành văn bản bằng AI (AI-Powered Transcription System) là giải pháp do Sphinx JSC phát triển, thuộc hệ sinh thái Voice AI và nền tảng S-Visor. Hệ thống tự động chuyển đổi giọng nói tiếng Việt thành văn bản, phân biệt người nói, tóm tắt các nội dung chính và tạo bản dự thảo biên bản theo mẫu hành chính của tổ chức. Người dùng vẫn giữ quyền kiểm soát cuối cùng thông qua quy trình rà soát và phê duyệt được tích hợp sẵn.
Vì sao việc ghi chép biên bản thủ công đang trở thành điểm nghẽn?
Đối với các cơ quan nhà nước, ngân hàng và doanh nghiệp quy mô lớn, biên bản cuộc họp có thể là văn bản chính thức, đồng thời là căn cứ để phân công và theo dõi công việc. Tuy nhiên, quy trình ghi chép thủ công phổ biến hiện nay vẫn tồn tại nhiều hạn chế:
- Tốn thời gian: Người ghi chép phải nghe đi nghe lại nhiều đoạn, đặc biệt khi những người tham dự ngắt lời nhau hoặc nói quá nhanh.
- Dễ xảy ra sai sót: Tên người phát biểu có thể bị nhầm lẫn, số liệu không chính xác hoặc các chỉ đạo quan trọng bị bỏ sót. Việc đối chiếu nội dung văn bản với bản ghi âm gốc cũng thường mất nhiều thời gian.
- Khó phối hợp: Một cuộc họp kéo dài thường do một người phụ trách ghi chép, thay vì được chia thành nhiều phần để nhiều người cùng rà soát song song.
- Khó tra cứu: Các bản ghi âm có thể được lưu trữ rải rác trên máy tính cá nhân. Khi cần tìm một quyết định cụ thể, người dùng thường phải nghe lại phần lớn nội dung cuộc họp.
- Công cụ AI phổ thông có thể chưa phù hợp: Dữ liệu cuộc họp nội bộ có nguy cơ bị tải lên máy chủ bên ngoài, trong khi các yêu cầu về bảo vệ dữ liệu cá nhân và Luật Trí tuệ nhân tạo của Việt Nam, có hiệu lực từ ngày 01/03/2026, ngày càng nhấn mạnh việc kiểm soát dữ liệu và vai trò giám sát của con người.
Phần mềm chuyển đổi nội dung cuộc họp thành văn bản của Sphinx được thiết kế nhằm giải quyết cả năm thách thức trên.
Quy trình 5 bước: AI xử lý công việc lặp lại, con người đảm bảo độ chính xác
Mỗi bản ghi âm đều được xử lý theo cùng một quy trình gồm 5 bước, hiển thị trực quan trên thanh tiến trình:
1. Tải bản ghi âm lên: Ghi âm trực tiếp qua micro, kết nối với Zoom, Google Meet hoặc Microsoft Teams, hoặc tải lên tệp âm thanh có sẵn với dung lượng tối đa 2 GB.
2. AI xử lý: Hệ thống nhận diện giọng nói và chuyển đổi toàn bộ bản ghi âm thành văn bản hoặc chỉ xử lý một đoạn thời gian được lựa chọn.
3. Trích xuất kết quả: Hiển thị bản ghi nội dung kèm dấu thời gian, thông tin người nói, bản tóm tắt và dự thảo báo cáo cuộc họp.
4. Rà soát và xác minh: Người phụ trách rà soát phân chia nội dung thành từng phần và giao cho nhiều người kiểm tra. Người rà soát có thể nghe lại âm thanh và chỉnh sửa trực tiếp bản ghi.
5. Tạo biên bản: Áp dụng mẫu văn bản đã được tổ chức phê duyệt, chỉnh sửa lần cuối, tải tài liệu xuống và gửi đến các bên liên quan.
Theo Sphinx, quy trình này có thể giúp giảm hơn 80% thời gian xử lý văn bản so với phương pháp ghi chép thủ công.
Ghi âm trực tiếp hoặc tải lên bản ghi có sẵn
Khi tạo cuộc họp, người dùng nhập các thông tin như tên cuộc họp, ngày giờ, phòng họp và danh sách người tham dự. Mỗi người được phân công vai trò tương ứng, chẳng hạn như Chủ trì, Thư ký, Hỗ trợ kỹ thuật, Thành viên hoặc Khách mời.
Hệ thống hỗ trợ hai cách cung cấp dữ liệu âm thanh:
- Chọn nguồn âm thanh: Hệ thống ghi âm xuyên suốt cuộc họp thông qua micro hoặc kết nối với Zoom, Google Meet, Microsoft Teams. Sau khi cuộc họp kết thúc, bản ghi âm sẽ tự động được đính kèm vào cuộc họp.
- Tải tệp lên: Đối với những cuộc họp đã diễn ra, người dùng có thể kéo thả các tệp MP3, WAV và những định dạng âm thanh phổ biến khác vào hệ thống.
Một cuộc họp có thể được liên kết với nhiều phòng ghi âm hoạt động song song, phù hợp với các cuộc họp trực tuyến có người tham gia từ nhiều địa điểm khác nhau.
Chuyển đổi giọng nói thành văn bản theo thời gian thực trong cuộc họp
Ở chế độ ghi âm trực tiếp, nội dung phát biểu được chuyển thành văn bản và hiển thị trên màn hình ngay khi cuộc họp đang diễn ra. Người rà soát có thể chỉnh sửa nội dung ngay lập tức và đối chiếu với bản ghi âm gốc mà không cần chờ cuộc họp kết thúc.
Bản ghi chi tiết kèm dấu thời gian và nhận diện người nói
Sau khi AI xử lý, màn hình Trích xuất (Extraction) hiển thị nội dung cuộc họp theo từng người phát biểu. Mỗi đoạn nội dung đều đi kèm dấu thời gian và nút phát lại phần âm thanh tương ứng.
Màn hình gồm bốn tab, mỗi tab phục vụ một mục đích riêng:
- Nhận diện người nói: AI phân tách giọng nói của từng người. Người dùng có thể thay thế các nhãn như “SPEAKER_1”, “SPEAKER_2” bằng tên thật và hệ thống sẽ tự động cập nhật thông tin này trên toàn bộ bản ghi.
- Bản ghi nội dung (Transcript): Hiển thị toàn bộ cuộc hội thoại theo trình tự thời gian, tích hợp trình phát âm thanh với các chức năng tua đến vị trí mong muốn, điều chỉnh tốc độ phát và âm lượng.
- Tóm tắt cuộc họp (Meeting Summary): AI xác định các chủ đề, cơ sở và mục tiêu của cuộc họp, những nội dung đã thảo luận cùng các quyết định quan trọng. Nhờ đó, lãnh đạo có thể nhanh chóng nắm bắt kết quả mà không cần đọc toàn bộ bản ghi.
- Báo cáo cuộc họp (Meeting Report): Tạo bản dự thảo theo mẫu hành chính của tổ chức, cho phép chỉnh sửa trực tiếp trước khi xuất tài liệu.
Người dùng có thể tải bản ghi xuống theo hai định dạng:
- Bản đầy đủ: Bao gồm nhãn người nói và nội dung phát biểu của từng người.
- Bản rút gọn: Bao gồm toàn bộ nội dung cuộc họp dưới dạng một bản ghi thống nhất.
Trong quá trình thử nghiệm nội bộ của Sphinx, công cụ nhận diện giọng nói đạt độ chính xác khoảng 94,9% đối với tiếng Việt. Hệ thống được tối ưu để xử lý các giọng vùng miền, thuật ngữ chuyên ngành và tín hiệu âm thanh không ổn định.
Rà soát nhiều người và phê duyệt song song
Đây là một trong những điểm khác biệt quan trọng giữa hệ thống của Sphinx và các ứng dụng chuyển giọng nói thành văn bản thông thường. AI có thể nghe nhầm hoặc nhận diện sai từ ngữ, trong khi biên bản cuộc họp chính thức cần đảm bảo độ tin cậy. Vì vậy, nền tảng tích hợp một quy trình rà soát chuyên biệt.
Phân công công việc song song
Người phụ trách rà soát chia bản ghi âm dài thành nhiều phần, giao từng phần cho người kiểm tra và thiết lập thời hạn hoàn thành.
Làm việc trong không gian riêng
Mỗi người rà soát chỉ nhìn thấy những bản ghi được phân công trong khu vực “Workspace”. Tại đây, họ có thể nghe âm thanh gốc song song với nội dung do AI tạo ra, chỉnh sửa từng câu và gửi kết quả sau khi hoàn tất.
Đối chiếu và phê duyệt
Người phê duyệt mở giao diện hiển thị hai cột: bản nội dung gốc do AI tạo nằm bên trái và bản đã được rà soát nằm bên phải.
Người phê duyệt có thể tổng hợp các chỉnh sửa từ nhiều người rà soát, tiếp tục điều chỉnh nội dung và sử dụng chế độ toàn màn hình khi xử lý bản ghi dài trước khi chọn “Approve” (Phê duyệt). Nếu chất lượng chưa đạt yêu cầu, bản ghi có thể bị từ chối và gửi lại để chỉnh sửa.
Quy trình đối chiếu song song này góp phần đảm bảo nguyên tắc giám sát của con người (human oversight) đối với các quyết định quan trọng theo yêu cầu quản trị AI.
Tạo biên bản cuộc họp theo mẫu chỉ với một thao tác
Sau khi nội dung được phê duyệt, người dùng chọn “Generate Minutes” (Tạo biên bản). Hệ thống sẽ tạo tài liệu theo mẫu đã được tổ chức phê duyệt, bao gồm các trường thông tin như tiêu đề chính thức, thời gian, địa điểm, thành phần tham dự, nội dung thảo luận và kết luận.
Người dùng có thể chỉnh sửa lần cuối, tải tài liệu xuống và hoàn tất quy trình. Biên bản sau khi hoàn thiện sẽ được gửi qua email đến các cán bộ và nhân sự liên quan.
Quản trị viên có thể tải lên nhiều mẫu văn bản khác nhau cho từng tổ chức, bao gồm biên bản cuộc họp, báo cáo và quyết định.
Từ điển thay thế: Hướng dẫn AI nhận diện thuật ngữ riêng của tổ chức
Mỗi tổ chức đều có những từ viết tắt, thuật ngữ chuyên ngành và tên riêng mà các hệ thống AI phổ thông có thể nhận diện chưa chính xác.
Tính năng Từ điển thay thế (Replacement Dictionary) cho phép người dùng thiết lập các cặp từ theo cấu trúc “thuật ngữ sai → thuật ngữ đúng”. Ví dụ, người dùng có thể sửa lỗi nhận diện do cách phát âm vùng miền hoặc chuyển một từ viết tắt như “CCCD” thành “Căn cước công dân”. Hệ thống sẽ tự động áp dụng những điều chỉnh này trong các lần chuyển đổi giọng nói thành văn bản tiếp theo.
Các mục từ điển có thể được thêm lần lượt hoặc nhập hàng loạt thông qua mẫu tệp CSV.
Phân quyền chi tiết và bảng điều khiển dành cho lãnh đạo
Mỗi tài khoản được gán một vai trò khi tạo mới. Vai trò này quyết định những giai đoạn trong quy trình mà người dùng có thể truy cập cũng như các thao tác được phép thực hiện:
- Quản trị viên (Administrator): Có thể xem toàn bộ quy trình, phê duyệt nội dung và thay thế tệp.
- Thư ký (Secretary): Có thể theo dõi toàn bộ quy trình từ giai đoạn AI phân tích đến khi tạo biên bản cuộc họp.
- Người rà soát (Reviewer): Chỉ làm việc tại giai đoạn rà soát và là vai trò duy nhất được phép chỉnh sửa nội dung đã được đưa vào quy trình kiểm tra.
- Hỗ trợ kỹ thuật (Technical Support): Chỉ phụ trách giai đoạn tải tệp lên hệ thống.
- Người tham dự cuộc họp (Meeting Participant): Có thể xem nội dung đã được trích xuất của những cuộc họp mà mình tham gia.
Hệ thống cung cấp sẵn bảy vai trò được định nghĩa trước và hỗ trợ tạo vai trò tùy chỉnh với các quyền truy cập cụ thể.
Bên cạnh đó, bảng điều khiển dành cho lãnh đạo (Executive Dashboard) theo dõi số lượng cuộc họp, thời lượng ghi âm, thời gian AI xử lý và tỷ lệ hoàn thành. Nhà quản lý có thể lọc kết quả theo tổ chức, phòng ban và khoảng thời gian, sau đó xuất báo cáo chỉ với một thao tác.
Phần mềm chuyển đổi nội dung cuộc họp thành văn bản phù hợp với những đối tượng nào?
- Cơ quan nhà nước và đơn vị hành chính công: Phù hợp với các cuộc họp nhân sự, hội nghị và phiên hỏi đáp cần biên bản đúng thể thức, đồng thời đáp ứng yêu cầu lưu trữ lâu dài.
- Ngân hàng, công ty bảo hiểm và doanh nghiệp lớn: Hỗ trợ các cuộc họp hội đồng quản trị, hội đồng quản lý rủi ro, họp tín dụng và những hoạt động đòi hỏi yêu cầu nghiêm ngặt về bảo mật cũng như khả năng truy xuất lịch sử xử lý.
- Tổ chức có nhiều chi nhánh: Phù hợp với các cuộc họp kết hợp trực tiếp và trực tuyến, có người tham gia từ nhiều địa điểm khác nhau.
Đối với những nhóm chỉ cần chuyển đổi nhanh tệp âm thanh thành văn bản mà không cần quy trình rà soát, hệ thống cũng cung cấp tính năng Quản lý tệp âm thanh (Audio File Management). Người dùng chỉ cần tải tệp lên, chọn “AI Analysis” (Phân tích bằng AI) để nhận bản ghi nội dung.
Hệ thống chuyển đổi nội dung cuộc họp thành văn bản được vận hành trên nền tảng S-Visor của Sphinx và có thể triển khai theo mô hình tại chỗ (on-premise), sử dụng hạ tầng riêng của tổ chức. Đây là lựa chọn phù hợp với những đơn vị có yêu cầu dữ liệu cuộc họp phải được lưu trữ và xử lý trong môi trường nội bộ.
Câu hỏi thường gặp
Phần mềm chuyển đổi nội dung cuộc họp thành văn bản của Sphinx hỗ trợ những định dạng tệp nào?
Hệ thống hỗ trợ các định dạng âm thanh phổ biến như MP3 và WAV, với dung lượng tệp tối đa 2 GB. Ngoài ra, người dùng có thể ghi âm trực tiếp qua micro hoặc thông qua Zoom, Google Meet và Microsoft Teams.
AI có thể nhận diện chính xác người nói không?
AI có khả năng phân tách giọng nói của những người khác nhau trong bản ghi. Người dùng chỉ cần gán tên thật cho từng người một lần, hệ thống sẽ tự động cập nhật tên tương ứng trên toàn bộ bản ghi.
Điều gì xảy ra nếu bản ghi do AI tạo ra có lỗi?
Bản ghi sẽ trải qua một bước rà soát trước khi được sử dụng. Người rà soát nghe lại âm thanh gốc và chỉnh sửa nội dung, trong khi người phê duyệt đối chiếu song song bản gốc và bản đã chỉnh sửa. Những lỗi thường xuyên lặp lại có thể được bổ sung vào Từ điển thay thế để hệ thống tự động điều chỉnh trong các lần xử lý tiếp theo.
Tổ chức có thể sử dụng mẫu biên bản cuộc họp riêng không?
Có. Quản trị viên có thể tải lên các mẫu biên bản cuộc họp, báo cáo hoặc quyết định theo đúng định dạng mà tổ chức yêu cầu. Hệ thống sẽ dựa trên những mẫu này để tạo tài liệu tương ứng.
Kết luận
Biên bản cuộc họp được hoàn thành nhanh hơn đồng nghĩa với việc các quyết định và chỉ đạo có thể sớm được triển khai. Hệ thống chuyển đổi nội dung cuộc họp thành văn bản bằng AI của Sphinx không thay thế vai trò của thư ký, mà đảm nhận những công việc lặp lại và tốn nhiều thời gian nhất. Nhờ đó, con người có thể tập trung hơn vào việc kiểm soát chất lượng nội dung và đưa ra quyết định.



