Omnilingual ASR của Meta phiên âm hơn 1.600 ngôn ngữ, trong đó có hơn 500 ngôn ngữ chưa từng được hệ thống nhận dạng giọng nói nào phục vụ (Meta FAIR, Omnilingual ASR 2025), nhưng con số đó vẫn chưa bằng một phần tư trong 7.170 ngôn ngữ đang sống của ấn bản 2026 Ethnologue. Hai năm trước, điểm tham chiếu là Whisper, được huấn luyện trên 680.000 giờ với chỉ 117.000 giờ trải rộng trên 96 ngôn ngữ không phải tiếng Anh (OpenAI, bài báo Whisper 2022). Kho dữ liệu mở do cộng đồng đóng góp lớn nhất, Mozilla Common Voice, hiện trải rộng trên 289 ngôn ngữ và 38.932 giờ (Common Voice 24.0, 2025), và những sản phẩm tăng trưởng nhanh nhất, từ dịch trực tiếp đến đọc chính tả, đều dựa trên các mô hình nền tảng này, như bài tổng hợp thống kê chuyển giọng nói thành văn bản của chúng tôi cũng theo dõi. Chúng tôi tổng hợp dữ liệu từ Meta FAIR, OpenAI, Google Research, Ethnologue, UNESCO, Mozilla, NVIDIA, Hugging Face, PNAS, MarketsandMarkets và các nguồn gốc khác được liệt kê trong phần phương pháp luận.
Tóm tắt nhanh
- Omnilingual ASR bao phủ 1.600+ ngôn ngữ, trong đó 500+ ngôn ngữ chưa từng được ASR phục vụ trước đây (Meta FAIR, Omnilingual ASR 2025).
- Học trong ngữ cảnh không cần ví dụ huấn luyện có thể mở rộng Omnilingual ASR lên hơn 5.400 ngôn ngữ (Meta, tháng 11 năm 2025).
- Có 7.170 ngôn ngữ đang sống, tăng ròng 11 trong một năm (Ethnologue, ấn bản thứ 29 năm 2026).
- 40% dân số thế giới không được tiếp cận giáo dục bằng ngôn ngữ mà họ hiểu (Báo cáo GEM của UNESCO 2025).
- MMS của Meta nhận diện 4.017 ngôn ngữ nói và phiên âm 1.107 ngôn ngữ (Meta, bài báo MMS 2023).
- USM của Google được huấn luyện trên 12 triệu giờ giọng nói thuộc 300+ ngôn ngữ (Google Research 2023).
- Whisper large-v3 được huấn luyện trên khoảng 5 triệu giờ, trong đó 4 triệu giờ được gán nhãn giả (OpenAI, tháng 11 năm 2023).
- Tỷ lệ lỗi từ của Whisper giảm một nửa mỗi khi dữ liệu huấn luyện cho mỗi ngôn ngữ tăng gấp 16 lần (OpenAI, bài báo Whisper 2022).
- Common Voice 24.0: 38.932 giờ trên 289 ngôn ngữ (Mozilla, tháng 12 năm 2025).
- Tỷ lệ lỗi ký tự dưới 10 ở 78% số ngôn ngữ của Omnilingual ASR (Meta, tháng 11 năm 2025).
- Gemini 3.5 Live Translate hỗ trợ 70+ ngôn ngữ và 2.000+ tổ hợp trong một cuộc gọi Meet (Google, tháng 6 năm 2026).
- Người nói da đen có WER trung bình 0,35 so với 0,19 ở người nói da trắng trên năm hệ thống thương mại (PNAS, 2020).
1. Khoảng Cách Ngôn Ngữ: 7.170 Ngôn Ngữ, Vài Trăm Được Phục Vụ
Mẫu số rất quan trọng. Ấn bản thứ 29 của Ethnologue ghi nhận 7.170 ngôn ngữ đang sống, tăng ròng 11 so với năm trước sau hơn 8.000 lần cập nhật cơ sở dữ liệu, với tám ngôn ngữ được phân loại lại từ đã tuyệt chủng sang đang sống (Ethnologue, Chào mừng đến với ấn bản thứ 29, tháng 2 năm 2026). Nhóm MMS lưu ý rằng trước năm 2023, các hệ thống giọng nói phổ biến chỉ xử lý khoảng 100 ngôn ngữ. Ngay cả sau bước nhảy lên 1.600+, khoảng ba trong bốn ngôn ngữ đang sống vẫn chưa có bộ nhận dạng giọng nói dùng ngay.
Khoảng cách này không chỉ mang tính học thuật. Nhóm Giám sát Giáo dục Toàn cầu của UNESCO báo cáo rằng 40% dân số toàn cầu không được tiếp cận giáo dục bằng ngôn ngữ mà họ hiểu, tỷ lệ này lên tới 90% ở một số quốc gia có thu nhập thấp và trung bình (Báo cáo GEM của UNESCO, Ngôn ngữ quan trọng). Công nghệ giọng nói bỏ qua những ngôn ngữ đó cũng bỏ qua chính những người cần giao diện giọng nói nhất, một chủ đề mà thống kê ngôn ngữ nguy cấp của chúng tôi đề cập từ góc độ bảo tồn.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Ngôn ngữ đang sống, 2026 | 7.170 (tăng ròng 11 trong một năm) | Ethnologue, ấn bản thứ 29 năm 2026 |
| Ngôn ngữ đang sống, 2025 | 7.159 | Ethnologue, ấn bản thứ 28 năm 2025 |
| Ngôn ngữ nguy cấp | 3.193 (45% ngôn ngữ đang sống) | Ethnologue, ấn bản thứ 28 năm 2025 |
| Ngôn ngữ ‘đang suy tàn’ | 1.030 (14%) | Ethnologue, ấn bản thứ 28 năm 2025 |
| Dân số không được giáo dục bằng ngôn ngữ họ hiểu | 40% (lên tới 90% ở một số quốc gia thu nhập thấp và trung bình) | Báo cáo GEM của UNESCO 2025 |
| Ngôn ngữ được các hệ thống giọng nói thông thường bao phủ trước MMS | Khoảng 100 | Meta, bài báo MMS 2023 |
| Ngôn ngữ chưa từng được ASR phục vụ, do Omnilingual ASR bổ sung | Hơn 500 | Meta FAIR, Omnilingual ASR 2025 |
Ghi chú bối cảnh: số liệu ngôn ngữ nguy cấp và đang suy tàn lấy từ ấn bản 2025 như được tóm tắt trong các báo cáo công khai; số liệu đầy đủ của Ethnologue nằm sau tường trả phí. UNESCO kết hợp con số 40% với mức thiệt hại học tập lớn: tại Honduras, 94% học sinh lớp 6 nói ngôn ngữ giảng dạy đạt kỹ năng đọc cơ bản, so với 62% ở nhóm không nói được.
2. Cuộc Đua Độ Phủ: Mỗi Mô Hình Xử Lý Bao Nhiêu Ngôn Ngữ
Số lượng ngôn ngữ tăng gấp bậc độ lớn trong ba năm. MMS của Meta nhận diện 4.017 ngôn ngữ, đồng thời phiên âm và tổng hợp giọng nói cho 1.107 ngôn ngữ, được xây dựng phần lớn từ các bản ghi âm Tân Ước, với các mô hình tiền huấn luyện bao phủ 1.406 ngôn ngữ (MMS: Mở rộng Công nghệ Giọng nói lên 1.000+ Ngôn ngữ). Sau đó Omnilingual ASR đẩy việc phiên âm vượt mốc 1.600 và, nhờ học trong ngữ cảnh không cần ví dụ huấn luyện từ một vài cặp mẫu, tuyên bố tiềm năng vươn tới hơn 5.400 ngôn ngữ (Meta AI, thông báo Omnilingual ASR).
Các sản phẩm thương mại thận trọng hơn nhiều, và khoảng cách đó cho thấy ngưỡng chất lượng nằm ở đâu. Chirp 3 của Google Cloud liệt kê 24 ngôn ngữ phiên âm đã phát hành chính thức và 76 ngôn ngữ ở bản xem trước (Google Cloud, tài liệu Chirp 3), trong khi các mô hình nghiên cứu tuyên bố hàng trăm. Dịch giọng nói nằm ở giữa: SeamlessM4T của Meta nhận giọng nói ở 101 ngôn ngữ nhưng chỉ nói ở 36 ngôn ngữ (Nature, Dịch máy kết hợp giọng nói và văn bản cho tới 100 ngôn ngữ), một lời nhắc rằng tạo ra giọng nói khó hơn nhận dạng nó.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Phiên âm Omnilingual ASR | 1.600+ ngôn ngữ | Meta FAIR, tháng 11 năm 2025 |
| Tiềm năng Omnilingual ASR nhờ học không cần ví dụ huấn luyện | 5.400+ ngôn ngữ | Meta, tháng 11 năm 2025 |
| MMS nhận diện ngôn ngữ / ASR và TTS / tiền huấn luyện | 4.017 / 1.107 / 1.406 ngôn ngữ | Meta, bài báo MMS 2023 |
| Độ phủ tiền huấn luyện của Google USM | 300+ ngôn ngữ | Google Research, tháng 3 năm 2023 |
| Whisper large-v3 | 99 ngôn ngữ | Hugging Face Open ASR Leaderboard 2025 |
| Dịch giọng nói sang giọng nói SeamlessM4T | 101 ngôn ngữ đầu vào, 36 ngôn ngữ đầu ra | Meta, Nature 2025 |
| Phiên âm Google Chirp 3 | 24 ngôn ngữ phát hành chính thức + 76 ngôn ngữ xem trước | Tài liệu Google Cloud 2026 |
| Embedding giọng nói Meta OmniSONAR | 177 ngôn ngữ nói trong không gian ngữ nghĩa 200 ngôn ngữ | Meta, bài báo OmniSONAR 2026 |
Dịch theo thời gian thực đã đi vào các ứng dụng đại chúng. Gemini 3.5 Live Translate phát hiện 70+ ngôn ngữ và hỗ trợ hơn 2.000 tổ hợp ngôn ngữ trong một phiên Google Meet, tăng từ năm ngôn ngữ (Google, Gemini 3.5 Live Translate, tháng 6 năm 2026). Google cho biết mọi người dịch khoảng 1 nghìn tỷ từ mỗi tháng trên Translate, Search, Lens và Circle to Search (Google, tháng 8 năm 2025). Thông tin thêm về việc áp dụng ở cấp thiết bị có trong thống kê dịch giọng nói sang giọng nói của chúng tôi.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Ngôn ngữ của Gemini 3.5 Live Translate | 70+ | Google, tháng 6 năm 2026 |
| Tổ hợp ngôn ngữ trong một cuộc gọi Meet | 2.000+ (trước đây 5 ngôn ngữ) | Google, tháng 6 năm 2026 |
| Ngôn ngữ hội thoại trực tiếp của Google Translate | 70+ | Google, tháng 8 năm 2025 |
| Số từ được dịch mỗi tháng trên các sản phẩm của Google | Khoảng 1 nghìn tỷ | Google, tháng 8 năm 2025 |
| Kích thước mô hình trọng số mở Mistral Voxtral | 24 tỷ và 3 tỷ tham số | Mistral AI, tháng 7 năm 2025 |
| Độ dài âm thanh tối đa của Voxtral | 30 phút để phiên âm, 40 phút để thấu hiểu | Mistral AI, tháng 7 năm 2025 |
3. Quy Mô Dữ Liệu Huấn Luyện: Từ 680.000 Giờ Lên 12 Triệu
Ngân sách dữ liệu đằng sau các mô hình này tăng nhanh hơn nhiều so với số lượng ngôn ngữ. Universal Speech Model của Google được huấn luyện trên 12 triệu giờ giọng nói và 28 tỷ câu văn bản, với 2 tỷ tham số (Google Research, USM), gấp khoảng 18 lần kho dữ liệu ban đầu của Whisper. Chính OpenAI đã đi từ 680.000 giờ lên khoảng 5 triệu giờ cho Whisper large-v3, trong đó 4 triệu giờ được mô hình trước đó gán nhãn giả (OpenAI, ghi chú phát hành large-v3).
Sự phân bổ bên trong các kho dữ liệu này mới là câu chuyện thực sự. 680.000 giờ ban đầu của Whisper gồm 117.000 giờ trên 96 ngôn ngữ không phải tiếng Anh và 125.000 giờ dịch sang tiếng Anh (bài báo Whisper). Bằng phép trừ (680.000 trừ 117.000 trừ 125.000), khoảng 438.000 giờ, tức xấp xỉ 64%, là phiên âm tiếng Anh. Tập có nhãn của MMS trung bình chỉ 32 giờ cho mỗi ngôn ngữ, và dữ liệu được công bố của Omnilingual ASR trung bình khoảng 10 giờ phiên âm cho mỗi ngôn ngữ. Các mô hình đa ngôn ngữ quy mô lớn được xây dựng trên một cái đuôi dài tính bằng giờ, không phải hàng nghìn giờ.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Âm thanh huấn luyện Whisper | 680.000 giờ | OpenAI, bài báo Whisper 2022 |
| Dữ liệu nhận dạng ngoài tiếng Anh của Whisper | 117.000 giờ trên 96 ngôn ngữ | OpenAI, bài báo Whisper 2022 |
| Dữ liệu dịch X sang tiếng Anh của Whisper | 125.000 giờ | OpenAI, bài báo Whisper 2022 |
| Phiên âm tiếng Anh của Whisper (suy ra) | Khoảng 438.000 giờ (khoảng 64%) | Tính từ số liệu của OpenAI |
| Dữ liệu huấn luyện Whisper large-v3 | 1 triệu giờ gán nhãn yếu + 4 triệu giờ gán nhãn giả | OpenAI, tháng 11 năm 2023 |
| Google USM | 12 triệu giờ giọng nói, 28 tỷ câu văn bản, 2 tỷ tham số | Google Research, 2023 |
| Tiền huấn luyện tự giám sát của MMS | Khoảng 500.000 giờ trên 1.400+ ngôn ngữ | Meta, tháng 5 năm 2023 |
| Dữ liệu có nhãn của MMS cho mỗi ngôn ngữ | Trung bình 32 giờ | Meta, tháng 5 năm 2023 |
Hệ thống mới nhất của Meta mở rộng cả hai đầu. Omnilingual ASR tiền huấn luyện một bộ mã hóa wav2vec 2.0 7 tỷ tham số trên 3,84 triệu giờ thuộc 1.239 ngôn ngữ, cộng thêm 460.000 giờ không có nhãn ngôn ngữ, và kho dữ liệu có giám sát AllASR chứa 120.710 giờ thuộc 1.690 ngôn ngữ (bài báo Omnilingual ASR). Biến thể nhỏ nhất được phát hành có 300 triệu tham số, nhắm tới các thiết bị công suất thấp.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Tiền huấn luyện không nhãn của Omnilingual ASR | 3,84 triệu giờ, 1.239 ngôn ngữ | Meta FAIR, bài báo Omnilingual ASR 2025 |
| Giọng nói không nhãn bổ sung không có ID ngôn ngữ | 460.000 giờ | Meta FAIR, 2025 |
| Kho dữ liệu có nhãn AllASR | 120.710 giờ, 1.690 ngôn ngữ | Meta FAIR, 2025 |
| Giọng nói được phiên âm trung bình cho mỗi ngôn ngữ (dữ liệu được công bố) | Khoảng 10 giờ | Meta FAIR, 2025 |
| Mô hình lớn nhất / nhỏ nhất | 7 tỷ / 300 triệu tham số | Meta FAIR, 2025 |
4. Bộ Dữ Liệu Mở và Chuẩn Đánh Giá Đằng Sau Các Mô Hình
Dữ liệu mở là nơi độ phủ đuôi dài được xây dựng. Mozilla Common Voice Scripted Speech 24.0 đạt 38.932 giờ trên 289 ngôn ngữ, trong đó 25.886 giờ đã được xác thực (bài đăng phát hành trên Mozilla Discourse, tháng 12 năm 2025). Bước nhảy lớn hơn đến từ một bản phát hành trước đó, khi Common Voice 23.0 bổ sung 149 ngôn ngữ và hơn gấp đôi tổng số lên 286 (Mozilla Data Collective). Số giờ chỉ tăng khoảng 8% giữa hai bản phát hành đó, nên các ngôn ngữ mới đi kèm rất ít âm thanh cho mỗi ngôn ngữ.
Việc đánh giá vẫn hẹp hơn nhiều so với huấn luyện. FLEURS, chuẩn đánh giá đa ngôn ngữ tiêu chuẩn, bao phủ 102 ngôn ngữ với khoảng 12 giờ giọng nói cho mỗi ngôn ngữ (bài báo FLEURS), và hạng mục đa ngôn ngữ của Hugging Face Open ASR Leaderboard chỉ đánh giá năm ngôn ngữ trên 60+ mô hình của 18 tổ chức (Hugging Face, Open ASR Leaderboard). Do đó, các tuyên bố ‘1.600 ngôn ngữ’ chỉ được kiểm chứng trên một phần nhỏ con số đó.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Common Voice 24.0 tổng số giờ / số giờ đã xác thực | 38.932 / 25.886 | Mozilla, tháng 12 năm 2025 |
| Ngôn ngữ của Common Voice 24.0 | 289 | Mozilla, tháng 12 năm 2025 |
| Ngôn ngữ được thêm vào Common Voice 23.0 | 149 (tổng 286) | Mozilla Data Collective, tháng 9 năm 2025 |
| Giọng nói tự phát của Common Voice 23.0 | 357 giờ trên 51 ngôn ngữ | Mozilla Data Collective, tháng 9 năm 2025 |
| Bộ dữ liệu Spontaneous Speech 2.0 | 62 | Mozilla, tháng 12 năm 2025 |
| Chuẩn đánh giá FLEURS | 102 ngôn ngữ, mỗi ngôn ngữ khoảng 12 giờ | Conneau và cộng sự, FLEURS 2022 |
| Omnilingual ASR Corpus | 350 ngôn ngữ ít được phục vụ (CC-BY) | Meta, tháng 11 năm 2025 |
Châu Âu có kho dữ liệu mở lớn của riêng mình. Granary của NVIDIA có khoảng 1 triệu giờ: gần 650.000 giờ cho nhận dạng và hơn 350.000 giờ cho dịch thuật, trên 25 ngôn ngữ châu Âu gồm cả tiếng Croatia, Estonia và Malta (blog NVIDIA, tháng 8 năm 2025). Bài báo đi kèm, được chấp nhận tại Interspeech 2025, báo cáo các mô hình đạt hiệu năng tương tự với lượng dữ liệu ít hơn khoảng 50% so với các bộ dữ liệu trước (bài báo Granary).
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Tổng âm thanh của Granary | Khoảng 1 triệu giờ | NVIDIA, tháng 8 năm 2025 |
| Phân chia nhận dạng / dịch thuật của Granary | Khoảng 650.000 / 350.000+ giờ | NVIDIA, tháng 8 năm 2025 |
| Ngôn ngữ của Granary | 25 ngôn ngữ châu Âu | NVIDIA, tháng 8 năm 2025 |
| Dữ liệu cần thiết so với các bộ dữ liệu trước để đạt cùng độ chính xác | Ít hơn khoảng 50% | Bài báo Granary, Interspeech 2025 |
| Độ phủ của Open ASR Leaderboard | 60+ mô hình, 18 tổ chức, 11 bộ dữ liệu | Hugging Face, tháng 11 năm 2025 |
| Mô hình ASR được lưu trữ trên Hugging Face Hub | Khoảng 27.000 | Hugging Face, tháng 11 năm 2025 |
| Ngôn ngữ trong hạng mục đa ngôn ngữ của leaderboard | 5 | Hugging Face, tháng 11 năm 2025 |
5. Độ Chính Xác: Dữ Liệu Cho Mỗi Ngôn Ngữ Thắng Kích Thước Mô Hình
Con số hữu ích nhất trong lĩnh vực này là một quy luật mở rộng. Các tác giả Whisper phát hiện hệ số tương quan bình phương 0,83 giữa log tỷ lệ lỗi từ và log số giờ huấn luyện cho mỗi ngôn ngữ, với WER giảm một nửa mỗi khi dữ liệu tăng gấp 16 lần (OpenAI, bài báo Whisper). Mối quan hệ tương tự chỉ là 0,24 đối với dịch giọng nói. Với một ngôn ngữ có 10 giờ âm thanh, con đường thực tế để đạt độ chính xác dùng được là thêm dữ liệu, không phải một mô hình lớn hơn.
Việc mở rộng độ phủ đi kèm cái giá về độ chính xác nhỏ đến bất ngờ. Meta báo cáo rằng mở rộng MMS từ 61 lên 1.107 ngôn ngữ chỉ làm tỷ lệ lỗi ký tự tăng khoảng 0,4%, trong khi MMS giảm một nửa tỷ lệ lỗi từ của Whisper trên 54 ngôn ngữ FLEURS (Meta AI, thông báo MMS). Omnilingual ASR đạt tỷ lệ lỗi ký tự dưới 10 ở 78% trong số 1.600+ ngôn ngữ của nó. Đây là số liệu tự báo cáo, nhưng mỗi tuyên bố đều gắn với một chuẩn đánh giá công khai.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Tương quan, log WER so với log số giờ huấn luyện (ASR) | r bình phương = 0,83 | OpenAI, bài báo Whisper 2022 |
| Tương quan tương tự đối với dịch giọng nói | r bình phương = 0,24 | OpenAI, bài báo Whisper 2022 |
| Cải thiện WER khi dữ liệu tăng gấp 16 lần | Giảm một nửa | OpenAI, bài báo Whisper 2022 |
| MMS so với Whisper trên 54 ngôn ngữ FLEURS | WER bằng khoảng một nửa | Meta, MMS 2023 |
| CER tăng khi mở rộng MMS từ 61 lên 1.107 ngôn ngữ | Khoảng 0,4% | Meta, tháng 5 năm 2023 |
| Ngôn ngữ của Omnilingual ASR có CER dưới 10 | 78% | Meta, tháng 11 năm 2025 |
| Mức giảm lỗi của Whisper large-v3 so với large-v2 | 10% đến 20% | OpenAI, tháng 11 năm 2023 |
Các con số của Google cũng chỉ về cùng hướng. USM đạt WER thấp hơn tương đối 32,7% so với Whisper trên 18 ngôn ngữ có thể so sánh và WER trung bình dưới 30% trên 73 ngôn ngữ phụ đề YouTube, với WER thấp hơn tương đối 65,8% trên FLEURS khi không có dữ liệu cùng miền. Hiệu quả giờ là cuộc đua thứ hai: Canary-1b-v2 của NVIDIA với một tỷ tham số tuyên bố chất lượng tương đương các mô hình lớn gấp 3 lần ở tốc độ suy luận nhanh hơn tới 10 lần, và trên leaderboard âm thanh dài, Parakeet CTC đạt RTFx 2.793,75 so với 68,56 của Whisper large-v3 (Hugging Face, 2025). Với các công cụ giọng nói thời gian thực, gồm cả loại nằm sau phần mềm nhân bản giọng nói trực tiếp, khoảng cách thông lượng đó thường quan trọng hơn một điểm WER.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| WER của USM so với Whisper, 18 ngôn ngữ | Thấp hơn tương đối 32,7% | Google Research, 2023 |
| WER trung bình của USM, 73 ngôn ngữ YouTube | Dưới 30% | Google Research, 2023 |
| Mức giảm WER tương đối của USM trên FLEURS (không có dữ liệu cùng miền) | 65,8% | Google Research, 2023 |
| SeamlessM4T v2 so với hệ thống nối tầng | BLEU cao hơn tới 8% (giọng nói sang văn bản) và 23% (giọng nói sang giọng nói) | Meta, Nature 2025 |
| Dịch giọng nói sang văn bản của OmniSONAR, không cần ví dụ huấn luyện | 97% chất lượng của SeamlessM4T | Meta, OmniSONAR 2026 |
| Canary-1b-v2 so với các mô hình lớn hơn | Chất lượng tương đương mô hình lớn gấp 3 lần, nhanh hơn tới 10 lần | NVIDIA, tháng 8 năm 2025 |
| Thông lượng âm thanh dài (RTFx): Parakeet CTC so với Whisper large-v3 | 2.793,75 so với 68,56 | Hugging Face Open ASR Leaderboard 2025 |
Ghi chú về giá trị ngoại lệ: bài báo OmniSONAR (arXiv, tháng 3 năm 2026) cũng báo cáo lỗi tìm kiếm tương đồng giọng nói thấp hơn 43% so với các mô hình trước, một dấu hiệu cho thấy không gian embedding chung giữa giọng nói và văn bản đang trở thành một khối nền tảng riêng.
6. Thiên Lệch Giọng, Khả Năng Tiếp Cận và Lợi Ích Thương Mại
Độ phủ ngôn ngữ che giấu một khoảng cách thứ hai bên trong các ngôn ngữ được ‘hỗ trợ’. Trên năm hệ thống thương mại của Amazon, Apple, Google, IBM và Microsoft, WER trung bình là 0,35 với người nói da đen so với 0,19 với người nói da trắng (Koenecke và cộng sự, PNAS 2020), dựa trên các cuộc phỏng vấn 73 người nói da đen và 42 người nói da trắng. Nghiên cứu này đã hơn ba năm tuổi và được nêu là cuộc kiểm định cùng loại gần nhất hiện có. Các công trình mới hơn cho kết luận tương tự: AfriSpeech-MultiBench, bao phủ hơn 100 giọng tiếng Anh châu Phi ở hơn 10 quốc gia, cho thấy các mô hình độc quyền chính xác với giọng nói sạch nhưng biến động đáng kể theo quốc gia và lĩnh vực, với hiện tượng ảo giác vẫn là vấn đề của hầu hết mô hình tiên tiến (arXiv, tháng 11 năm 2025).
Lợi ích thương mại tiếp tục tăng, dù các ước tính quy mô thị trường không nhất quán. MarketsandMarkets dự báo thị trường nhận dạng giọng nói và tiếng nói tăng từ 9,66 tỷ USD năm 2025 lên 23,11 tỷ USD vào năm 2030, với CAGR 19,1% (thông cáo báo chí của MarketsandMarkets), trong khi Grand View Research đặt thị trường ở mức 20,2 tỷ USD năm 2023 và hướng tới 53,7 tỷ USD vào năm 2030 với CAGR 14,6% (Grand View Research). Cả hai công ty đều chỉ ra châu Á - Thái Bình Dương và các thị trường mới nổi là động lực tăng trưởng, chính là những khu vực có độ phủ ngôn ngữ mỏng nhất. Xem thêm thống kê dịch máy của chúng tôi về phía văn bản của cùng thị trường này.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| WER trung bình, người nói da đen so với da trắng (5 hệ thống) | 0,35 so với 0,19 | Koenecke và cộng sự, PNAS 2020 |
| Người nói trong cuộc kiểm định PNAS | 73 da đen, 42 da trắng | Koenecke và cộng sự, PNAS 2020 |
| Giọng tiếng Anh châu Phi được đánh giá | 100+ ở 10+ quốc gia | AfriSpeech-MultiBench, 2025 |
| Kỹ năng đọc cơ bản lớp 5, Bờ Biển Ngà: tiếng mẹ đẻ = ngôn ngữ bài kiểm tra so với không | 55% so với 25% | Báo cáo GEM của UNESCO 2025 |
| Thị trường nhận dạng giọng nói và tiếng nói, 2025 đến 2030 | 9,66 tỷ USD lên 23,11 tỷ USD (CAGR 19,1%) | MarketsandMarkets, tháng 8 năm 2025 |
| Thị trường nhận dạng giọng nói và tiếng nói của Mỹ, 2025 đến 2030 | 3,13 tỷ USD lên 7,70 tỷ USD (CAGR 19,7%) | MarketsandMarkets, 2025 |
| Thị trường nhận dạng giọng nói và tiếng nói, 2023 đến 2030 | 20,2 tỷ USD lên 53,7 tỷ USD (CAGR 14,6%) | Grand View Research, 2024 |
| Thị phần doanh thu Bắc Mỹ | 30,8% (2023) | Grand View Research, 2024 |
Tổng kết: Mô Hình Nền Tảng Giọng Nói Đa Ngôn Ngữ Qua Các Con Số
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Ngôn ngữ đang sống | 7.170 | Ethnologue, ấn bản thứ 29 năm 2026 |
| Độ phủ của Omnilingual ASR | 1.600+ ngôn ngữ (500+ chưa từng được phục vụ trước đây) | Meta FAIR, 2025 |
| Tiềm năng không cần ví dụ huấn luyện của Omnilingual ASR | 5.400+ ngôn ngữ | Meta, tháng 11 năm 2025 |
| MMS nhận diện ngôn ngữ | 4.017 ngôn ngữ | Meta, 2023 |
| Độ phủ của Whisper large-v3 | 99 ngôn ngữ | Hugging Face, 2025 |
| SeamlessM4T giọng nói đầu vào / giọng nói đầu ra | 101 / 36 ngôn ngữ | Meta, Nature 2025 |
| Gemini 3.5 Live Translate | 70+ ngôn ngữ, 2.000+ tổ hợp | Google, tháng 6 năm 2026 |
| Dữ liệu huấn luyện Whisper | 680.000 giờ (117.000 giờ ngoài tiếng Anh) | OpenAI, 2022 |
| Dữ liệu huấn luyện Whisper large-v3 | Khoảng 5 triệu giờ | OpenAI, 2023 |
| Dữ liệu huấn luyện Google USM | 12 triệu giờ, 300+ ngôn ngữ | Google Research, 2023 |
| Tiền huấn luyện Omnilingual ASR | 3,84 triệu giờ, 1.239 ngôn ngữ | Meta FAIR, 2025 |
| Common Voice 24.0 | 38.932 giờ, 289 ngôn ngữ | Mozilla, tháng 12 năm 2025 |
| NVIDIA Granary | Khoảng 1 triệu giờ, 25 ngôn ngữ | NVIDIA, tháng 8 năm 2025 |
| Chuẩn đánh giá FLEURS | 102 ngôn ngữ, mỗi ngôn ngữ khoảng 12 giờ | FLEURS, 2022 |
| WER so với dữ liệu | Giảm một nửa khi dữ liệu tăng gấp 16 lần | OpenAI, 2022 |
| Ngôn ngữ của Omnilingual ASR có CER dưới 10 | 78% | Meta, tháng 11 năm 2025 |
| WER của MMS so với Whisper, 54 ngôn ngữ | Khoảng một nửa | Meta, 2023 |
| Dân số không được giáo dục bằng ngôn ngữ họ hiểu | 40% | UNESCO, 2025 |
| Chênh lệch WER, người nói da đen so với da trắng | 0,35 so với 0,19 | PNAS, 2020 |
| Thị trường nhận dạng giọng nói và tiếng nói, 2030 | 23,11 tỷ USD (MarketsandMarkets) so với 53,7 tỷ USD (Grand View) | MarketsandMarkets 2025; Grand View Research 2024 |
Phương pháp luận và Nguồn
Mỗi số liệu đều được truy về tổ chức đã tạo ra nó, ưu tiên các bài báo, ghi chú phát hành chính thức và tài liệu hơn là báo chí. Các tuyên bố về độ chính xác của nhà cung cấp (Meta, Google, OpenAI, NVIDIA, Mistral) là số liệu tự báo cáo trên các chuẩn đánh giá công khai và được gắn nhãn nguồn. Các tuyên bố thương mại mà chúng tôi không thể gắn với một con số đã công bố, chẳng hạn các phát biểu tiếp thị ‘WER thấp nhất’ không có số liệu, đã bị loại trừ.
- Ethnologue: Chào mừng đến với ấn bản thứ 29 (tháng 2 năm 2026)
- Báo cáo GEM của UNESCO: 40% không được tiếp cận giáo dục bằng ngôn ngữ họ hiểu (2025)
- Meta: thông báo MMS (tháng 5 năm 2023), bài báo MMS, thông báo Omnilingual ASR (tháng 11 năm 2025), bài báo Omnilingual ASR, bài báo OmniSONAR (2026)
- Nhóm Meta Seamless Communication: Dịch máy kết hợp giọng nói và văn bản cho tới 100 ngôn ngữ (Nature, 2025)
- OpenAI: Nhận dạng giọng nói mạnh mẽ nhờ giám sát yếu quy mô lớn (2022), bản phát hành Whisper large-v3 (tháng 11 năm 2023)
- Google: Universal Speech Model (tháng 3 năm 2023), tài liệu Chirp 3, Gemini 3.5 Live Translate (tháng 6 năm 2026), dịch trực tiếp của Translate (tháng 8 năm 2025)
- Mozilla: bản phát hành Common Voice 24.0 (tháng 12 năm 2025), bản phát hành Common Voice 23.0 (tháng 9 năm 2025)
- Conneau và cộng sự: FLEURS (2022)
- NVIDIA: bản phát hành Granary, Canary và Parakeet (tháng 8 năm 2025), bài báo Granary (Interspeech 2025)
- Hugging Face: xu hướng Open ASR Leaderboard (tháng 11 năm 2025)
- Mistral AI: Voxtral (tháng 7 năm 2025)
- Koenecke và cộng sự: Chênh lệch chủng tộc trong nhận dạng giọng nói tự động (PNAS, 2020)
- AfriSpeech-MultiBench: arXiv 2511.14255 (IJCNLP-AACL 2025)
- MarketsandMarkets: thông cáo báo chí Thị trường Nhận dạng Giọng nói và Tiếng nói (tháng 8 năm 2025)
- Grand View Research: Báo cáo Thị trường Nhận dạng Giọng nói và Tiếng nói (2024)
- Lưu ý về dữ liệu: các ước tính quy mô thị trường mâu thuẫn mạnh. MarketsandMarkets (23,11 tỷ USD vào năm 2030) và Grand View Research (53,7 tỷ USD vào năm 2030) dùng phạm vi và năm cơ sở khác nhau, nên không được lấy trung bình hay so sánh như một xu hướng. Một số số liệu mô hình nền tảng có từ năm 2022 đến 2023 (Whisper, USM, MMS, FLEURS) và là các công bố mới nhất hiện có cho những mô hình đó; Google chưa công bố tổng dữ liệu huấn luyện tương đương cho các mô hình âm thanh Gemini. Tỷ trọng tiếng Anh trong dữ liệu của Whisper (khoảng 438.000 giờ, 64%) là kết quả phép trừ của chúng tôi từ các tổng số OpenAI đã công bố, không phải con số OpenAI nêu trong phần tóm tắt. Số liệu ngôn ngữ nguy cấp và đang suy tàn của Ethnologue 2025 lấy từ các bản tóm tắt công khai của ấn bản thứ 28 vì cơ sở dữ liệu đầy đủ có trả phí. Cuộc kiểm định thiên lệch của PNAS (2020) có trước các mô hình nền tảng hiện nay và được nêu là dữ liệu mới nhất hiện có; chưa có cuộc kiểm định xuyên nhà cung cấp quy mô tương đương nào được công bố kể từ đó. Số lượng ngôn ngữ không thể so sánh giữa các nhà cung cấp: có bên đếm theo ngôn ngữ vùng, có bên đếm theo ngôn ngữ, và độ phủ ở dạng ‘xem trước’ không đồng nghĩa với chất lượng sản xuất.
Cập nhật lần cuối: ngày 3 tháng 10 năm 2026. Chúng tôi cập nhật bài tổng hợp này hàng quý, và lần làm mới tiếp theo dự kiến diễn ra khi Mozilla phát hành Common Voice 25.0 và Ethnologue công bố ấn bản thứ 30 vào tháng 2 năm 2027.