DingTalk A1 hướng tới thay thế biên bản họp bằng máy ghi âm AI cỡ thẻ tín dụng

Trợ lý AI bỏ túi cho các cuộc họp và nhiều hơn thế

Nền tảng làm việc DingTalk của Alibaba lấn sân sang lĩnh vực phần cứng với A1, một thiết bị ghi âm cỡ thẻ tín dụng được thiết kế để thu âm, phiên âm, dịch và tóm tắt lời nói nhờ các mô hình AI quy mô lớn. Thiết bị ra mắt tại sự kiện kỷ niệm 10 năm của DingTalk và 1.000 chiếc đầu tiên được bán hết ngay lập tức, cho thấy nhu cầu đối với các công cụ nhỏ gọn có thể chuyển hội thoại thành ghi chú thiết thực. Hai phiên bản được bán tại Trung Quốc với giá 499 nhân dân tệ và 799 nhân dân tệ, thấp hơn các đối thủ như Plaud Note Pro của một công ty khởi nghiệp Mỹ và TicNote của Mobvoi. A1 kết nối trực tiếp với ứng dụng DingTalk và hệ thống AI Note mới, biến bản ghi âm thành biên bản, gạch đầu dòng và thông tin chuyên sâu có cấu trúc, sẵn sàng chia sẻ trong nhóm.

Lời giới thiệu rất đơn giản: nhấn nút ghi âm, bước vào cuộc họp, lớp học, buổi phỏng vấn hoặc cuộc hẹn tại phòng khám, rồi bước ra với văn bản rõ ràng, bản tóm tắt và các bước tiếp theo. DingTalk cho biết công cụ phiên âm của A1 được huấn luyện với hơn 100 triệu giờ âm thanh. Thiết bị hỗ trợ hơn 100 ngôn ngữ, 30 phương ngữ Trung Quốc và thuật ngữ chuyên ngành của khoảng 200 lĩnh vực. Khả năng đa ngôn ngữ này biến thiết bị thành một máy dịch nhỏ gọn bên cạnh chức năng ghi chú. Ban đầu, sản phẩm hướng đến nhân viên văn phòng, nhưng DingTalk cũng nhắm tới các nhóm bán hàng, nhân sự, giáo viên, bác sĩ, luật sư và nhân viên hỗ trợ khách hàng, những người dành hàng giờ xử lý hội thoại.

Thiết bị có thể làm gì

A1 kết nối với ứng dụng DingTalk để cung cấp nhiều chức năng vốn thường cần đến nhiều công cụ khác nhau. Thiết bị ghi âm trực tiếp, chuyển lời nói thành văn bản, dịch theo thời gian thực, rồi dùng AI để tóm tắt và sắp xếp nội dung. Trong ứng dụng DingTalk, người dùng có thể tạo biên bản họp, danh sách việc cần làm và cả sơ đồ tư duy. Các mẫu giúp hệ thống nhận biết bối cảnh, chẳng hạn như cuộc họp hội đồng quản trị, buổi phỏng vấn, bài giảng, buổi tư vấn y tế hoặc cuộc gọi bán hàng. DingTalk cho biết có hơn 30 mẫu theo tình huống, để người dùng chọn mẫu phù hợp và nhận kết quả tương ứng.

Để ghi âm khi đang di chuyển, A1 có thể gắn từ tính vào mặt lưng điện thoại thông minh để ghi âm cuộc gọi và ghi chú nhanh. Trong các cuộc trò chuyện trực tiếp, thiết bị hỗ trợ phụ đề hiển thị trên màn hình trong ứng dụng DingTalk. Thiết bị cũng có thể chiếu văn bản dịch trực tiếp lên màn hình lớn hơn để sử dụng theo nhóm, biến cuộc họp nhân viên hoặc hội thảo thành phiên có phụ đề trực tiếp, giúp các nhóm đa ngôn ngữ dễ theo dõi hơn. Sau khi phiên làm việc kết thúc, ứng dụng có thể tự động tạo bản tóm tắt và sắp xếp thông tin khách hàng hoặc ứng viên bằng các thẻ, giúp việc theo dõi tiếp thuận tiện hơn.

Sơ lược về phần cứng

A1 có hình dáng như một chiếc thẻ mỏng, dày khoảng 3,8 mm và nặng 40,8 gram. Bên trong là chip âm thanh AI BES2800 tiến trình 6 nanomet của Hengxuan Technology, đi kèm pin 660 mAh và bộ nhớ trong 64 GB. DingTalk cho biết thiết bị có thể ghi âm liên tục tối đa 45 giờ hoặc ở chế độ chờ khoảng 60 ngày. Cấu hình này cho phép sử dụng trong các chuyến công tác dài mà không cần sạc, đồng thời cung cấp dung lượng lưu trữ trên thiết bị rộng rãi cho các phiên ghi âm kéo dài.

Thiết kế micro là yếu tố cốt lõi của mọi máy ghi âm. Mẫu A1 cao cấp sử dụng sáu micro, trong đó có một micro dẫn truyền qua xương, để thu giọng nói trong phạm vi khoảng 8 mét đồng thời giảm tiếng ồn môi trường. DingTalk cho biết hệ thống có thể giảm hơn 500 loại tiếng ồn nền, hữu ích trong phòng hội nghị bị vang, lớp học đông người hoặc văn phòng mở. Phiên bản cao cấp có thân hợp kim nhôm, màn hình nhỏ ở mặt trước cùng hai nút vật lý để điều khiển nhanh. Phiên bản thanh thiếu niên có bề mặt giả da, bỏ màn hình phía trước để tạo vẻ ngoài và cảm giác sử dụng đơn giản hơn.

Các tính năng bảo mật giải quyết những mối quan ngại của doanh nghiệp. DingTalk cho biết bản ghi được mã hóa trên thiết bị, ứng dụng và đám mây. Các công ty có thể chọn triển khai riêng và quản lý dữ liệu tập trung để bản ghi âm và bản chép lời luôn nằm trong hệ thống nội bộ. Tùy chọn này quan trọng với các ngành có yêu cầu nghiêm ngặt về bảo mật và tuân thủ.

Ngôn ngữ và các mô hình AI phía sau máy ghi âm

DingTalk xây dựng tính năng phiên âm và dịch của A1 dựa trên phòng thí nghiệm AI Tongyi của Alibaba, nơi huấn luyện hệ thống bằng hơn 100 triệu giờ âm thanh. Công ty cho biết mô hình hiểu hơn 100 ngôn ngữ và 30 phương ngữ Trung Quốc, đồng thời xử lý được thuật ngữ trong khoảng 200 lĩnh vực chuyên môn. Theo thông tin sản phẩm, phiên bản cao cấp hỗ trợ dịch tới 120 ngôn ngữ, trong khi mẫu cơ bản tập trung vào các ngôn ngữ phổ biến phục vụ nhu cầu hằng ngày. Khả năng nhận diện phương ngữ hữu ích trong bối cảnh ngôn ngữ đa dạng của Trung Quốc, nơi các cuộc họp có thể đan xen tiếng Quan thoại với cách nói vùng miền.

Xử lý âm thanh không chỉ dừng ở phiên âm. Thiết bị áp dụng khử tiếng ồn, nhận diện giọng nói và thu âm định hướng không gian để xác định người nói, đồng thời giảm các tiếng gây xao nhãng như điều hòa hoặc tiếng gõ bàn phím. Công đoạn xử lý này giúp AI tạo bản chép lời rõ hơn, qua đó cải thiện chất lượng tóm tắt và danh sách việc cần làm. Khi mô hình nhận đầu vào sạch hơn, nó có thể xác định ý chính và nhiệm vụ với ít lỗi hơn, đặc biệt trong các cuộc họp nhiều người nói, nơi mọi người ngắt lời nhau hoặc nói với âm lượng khác nhau.

Giá bán, phiên bản và doanh số ban đầu

DingTalk bán hai phiên bản. Bản cao cấp có giá 799 nhân dân tệ, cung cấp chuyển giọng nói thành văn bản không giới hạn, lưu trữ đám mây không giới hạn, hỗ trợ nhiều ngôn ngữ hơn và phân tích bằng AI không giới hạn. Bản thanh thiếu niên có giá 499 nhân dân tệ, đi kèm gói tính năng rút gọn, gồm 1.000 phút phiên âm mỗi tháng, 10 GB lưu trữ đám mây và hỗ trợ ba ngôn ngữ. Cả hai phiên bản đều có thiết kế dạng thẻ và các chức năng ghi âm cốt lõi, nhưng bản cao cấp có thêm màn hình, nhiều micro hơn và cấu trúc cao cấp. Lô 1.000 chiếc A1 cao cấp đầu tiên nhanh chóng bán hết trên Tmall. DingTalk cho biết sẽ mở bán từ ngày 15 tháng 9 tại cửa hàng chính thức.

Vị trí của sản phẩm trong DingTalk 8.0 và quy trình làm việc doanh nghiệp

A1 ra mắt cùng DingTalk 8.0, bản cập nhật lớn định vị lại nền tảng này thành bộ công cụ năng suất ứng dụng AI. Trung tâm của hệ thống là DingTalk ONE, trợ lý AI cá nhân có thể lọc tin nhắn, sắp xếp lịch, xử lý phê duyệt và chuyển cuộc họp thành nhiệm vụ. Với A1, việc ghi nhận nội dung trở nên đơn giản hơn. Người dùng có thể ghi âm trong phòng họp hoặc trên điện thoại, rồi chuyển âm thanh cho DingTalk ONE để xử lý tiếp. Các nội dung khẩn cấp có thể được tự động gắn cờ, còn danh sách việc cần làm xuất hiện trong cuộc trò chuyện hoặc không gian nhóm mà không cần nhập thủ công.

Ngoài các cuộc họp, AI Search của DingTalk giúp người dùng tìm thông tin trong tài liệu, cuộc trò chuyện và kho tri thức. AI Tables có thể tạo bảng tính, quy trình làm việc và bảng điều khiển từ câu lệnh dạng hội thoại. A1 đưa nội dung vào hệ sinh thái đó, để ghi chú cuộc họp có thể trở thành nhiệm vụ trong quy trình phê duyệt hoặc mục trong bảng điều khiển dự án chỉ với vài thao tác. Với các nhóm công nghệ thông tin, tùy chọn triển khai riêng và kiểm soát dữ liệu tập trung phù hợp với các mô hình bảo mật phổ biến tại các tổ chức lớn và cơ quan khu vực công.

Sản phẩm cạnh tranh và lý do thị trường nóng lên

Máy ghi âm AI di động đang dần trở thành một phân khúc riêng. Công ty khởi nghiệp Mỹ Plaud phổ biến ý tưởng về máy ghi âm bỏ túi đi cùng điện thoại, đảm nhiệm việc phiên âm và tóm tắt. Plaud Note Pro có giá khoảng 179 USD. TicNote của Mobvoi, ra mắt hồi tháng 6, hỗ trợ phiên âm và dịch trực tiếp cho lớp học và văn phòng, có giá niêm yết khoảng 159,99 USD. DingTalk đặt giá khởi điểm thấp hơn, phản ánh quy mô sản xuất của Trung Quốc và chiến lược đưa thiết bị vào các đội ngũ doanh nghiệp cũng như mạng lưới giáo dục.

Bối cảnh thị trường đang mở rộng nhanh chóng. Công ty tư vấn Runto ước tính thị trường phần cứng AI của Trung Quốc, không tính điện thoại và xe có AI, sẽ đạt khoảng 1,1 nghìn tỷ nhân dân tệ vào năm 2025 và tăng hơn gấp đôi lên khoảng 2,5 nghìn tỷ nhân dân tệ vào năm 2030. Mức độ phổ cập đã cao ở một số phân khúc, với robot hút bụi lau nhà có tỷ lệ ứng dụng tính năng AI gần 90% và máy tính cá nhân khoảng 50%. Các nhà nghiên cứu của Runto nêu bật sự hỗ trợ chính sách dành cho AI trong khu vực công, mục tiêu tự chủ công nghệ và tốc độ nâng cấp nhanh chóng trong các ngành truyền thống. Sự kết hợp đó khuyến khích doanh nghiệp thử nghiệm các thiết bị chuyên dụng như A1 song song với việc nâng cấp phần mềm.

Cấu trúc chi phí cũng là yếu tố quan trọng. Thâm Quyến và các trung tâm sản xuất lân cận làm ra phần lớn thiết bị điện tử trên thế giới, giúp các doanh nghiệp địa phương tích hợp những tính năng AI cạnh tranh với mức giá dễ tiếp cận. Với DingTalk, Alibaba có thể kết hợp tính năng của thiết bị với một ứng dụng doanh nghiệp được sử dụng rộng rãi, giảm trở ngại cho khách hàng doanh nghiệp vốn đã quản lý danh tính, quyền truy cập và lưu trữ dữ liệu ngay trên cùng một nền tảng.

Các yếu tố thực tế và hạn chế

Hiệu quả trong thực tế phụ thuộc vào môi trường và kỳ vọng của người dùng. Các cuộc họp có nhiều người nói chồng lên nhau vẫn có thể khiến bất kỳ mô hình nào gặp khó khăn. Khả năng nhận diện phương ngữ đã được cải thiện nhờ huấn luyện, nhưng giọng địa phương và biệt ngữ vẫn có thể gây lỗi cần chỉnh sửa nhanh. Cụm sáu micro và khả năng kiểm soát tiếng ồn của A1 hữu ích trong những căn phòng đông người, nhưng chất lượng ghi âm vẫn tốt hơn khi đặt thiết bị trên bàn hoặc đeo ở dây thay vì để trong túi, cách xa người nói.

Thời lượng pin và dung lượng lưu trữ đủ đáp ứng phần lớn lịch làm việc văn phòng, dù người dùng chuyên sâu sẽ muốn đồng bộ bản ghi lên đám mây sau các phiên dài. Giới hạn phiên âm hằng tháng của bản thanh thiếu niên phù hợp với người mua cần tiết kiệm, còn gói không giới hạn của bản cao cấp thích hợp hơn với nhu cầu sử dụng nhiều trong bán hàng, tuyển dụng, hỗ trợ khách hàng hoặc báo chí. Các công ty nên đặt ra chính sách về sự đồng thuận và quyền riêng tư. Việc ghi âm cuộc gọi và ghi âm trong phòng được quản lý theo quy định ở nhiều khu vực; các nhóm sẽ phối hợp hiệu quả hơn khi mọi người biết lúc nào máy ghi âm đang hoạt động và bản chép lời sẽ được sử dụng ra sao. Các tùy chọn mã hóa và triển khai riêng của DingTalk giải quyết vấn đề bảo mật doanh nghiệp, nhưng việc quản trị vẫn cần quy định nội bộ về thời hạn lưu trữ, quyền truy cập và xóa dữ liệu.

Những ai có thể hưởng lợi

Nhân viên bán hàng có thể ghi âm cuộc gọi với khách hàng, nhập các ý chính vào hệ thống quản lý quan hệ khách hàng thông qua tích hợp với DingTalk và tạo nội dung theo dõi mà không cần gõ. Nhân viên tuyển dụng và các nhóm nhân sự có thể dùng mẫu phỏng vấn để tạo bản tóm tắt về kinh nghiệm và phong cách giao tiếp của ứng viên, giúp quản lý tuyển dụng xem xét. Giáo viên và học sinh, sinh viên có thể chuyển bài giảng thành ghi chú kèm dấu thời gian, rồi tìm kiếm trong bản chép lời để ôn tập. Bác sĩ và nhân viên hành chính có thể ghi lại các buổi tư vấn và tạo bản tóm tắt hỗ trợ điền hồ sơ điện tử, tùy theo quy định địa phương và chính sách bệnh viện. Luật sư, nhà báo, chuyên gia tư vấn và nhân viên hỗ trợ khách hàng đều có thể chuyển lời nói thành văn bản, tài liệu và các nhiệm vụ trong không gian nhóm.

Với doanh nghiệp nhỏ, mẫu giá thấp hơn mang đến cách tiết kiệm chi phí để đưa tính năng ghi chú bằng AI vào hoạt động hằng ngày. Các tổ chức lớn hơn được hưởng lợi từ việc triển khai thiết bị hàng loạt, kiểm soát tập trung và bộ công cụ DingTalk 8.0 rộng hơn, nơi nội dung hội thoại được đưa vào lịch trình, phê duyệt và bảng điều khiển. Kết quả là một quy trình liền mạch từ lời nói đến công việc có cấu trúc, được xử lý bởi thiết bị đủ nhỏ để bỏ vào bao đựng thẻ nhân viên.

Điểm nổi bật

• DingTalk A1 là máy ghi âm AI cỡ thẻ tín dụng, có thể thu âm, phiên âm, dịch và tóm tắt lời nói.
• Hai mẫu được bán tại Trung Quốc với giá 499 nhân dân tệ và 799 nhân dân tệ, thấp hơn các đối thủ như Plaud Note Pro và Mobvoi TicNote.
• Mô hình phiên âm được huấn luyện trên hơn 100 triệu giờ âm thanh, hỗ trợ hơn 100 ngôn ngữ và 30 phương ngữ Trung Quốc.
• Bản cao cấp có thân hợp kim nhôm, màn hình nhỏ, sáu micro gồm cả micro dẫn truyền qua xương và dịch vụ AI không giới hạn.
• Thông số phần cứng gồm độ dày 3,8 mm, trọng lượng 40,8 g, pin 660 mAh cho thời lượng ghi âm tối đa 45 giờ và bộ nhớ 64 GB.
• Các tính năng bảo mật gồm mã hóa trên thiết bị, ứng dụng và đám mây, cùng tùy chọn triển khai riêng và quản lý tập trung cho doanh nghiệp.
• Thiết bị tích hợp với ứng dụng DingTalk và hệ thống AI Note, đưa bản tóm tắt, việc cần làm, sơ đồ tư duy và ghi chú có thể tìm kiếm vào quy trình làm việc nhóm.
• Lô 1.000 thiết bị đầu tiên đã bán hết; dự kiến mở bán từ ngày 15 tháng 9 qua cửa hàng chính thức.
• Theo dự báo của Runto, thị trường phần cứng AI Trung Quốc sẽ đạt khoảng 1,1 nghìn tỷ nhân dân tệ vào năm 2025 và tăng hơn gấp đôi vào năm 2030.