Hướng dẫn Zhīliǎo Cicada: thiết lập phụ đề song ngữ theo thời gian thực, biên bản cuộc họp và phiên dịch đồng thời

知了 Cicada là gì

知了 Cicada là một công cụ mã nguồn mở hỗ trợ hội họp và phát trực tiếp theo thời gian thực, cung cấpphụ đề song ngữ, bản ghi song ngữ, biên bản có cấu trúc và phiên dịch đồng thời trên Mac, Windows, Linux và Android. Công cụ phù hợp với Zoom, Feishu, Tencent Meeting, X Spaces, livestream YouTube và các cuộc họp trực tiếp.

知了 đọc trực tiếp âm thanh đang phát trên hệ thống, không cần thêm bot hội họp vào cuộc gọi. Những người tham gia không cần cài phần mềm và cũng không biết 知了 đang sắp xếp nội dung cuộc họp. Mac dùng chip Apple còn có thể thu âm thanh, nhận diện ngôn ngữ và nhận dạng giọng nói ngay trên thiết bị.

Tính năng chính

Biên bản thời gian thực và bản ghi song ngữ

Trong khi cuộc họp diễn ra, 知了 vừa lắng nghe vừa sắp xếp phần tóm tắt, chủ đề, kết luận, việc cần làm, sơ đồ xương cá và bảng tên riêng, thuật ngữ. Nhấp vào kết luận hoặc việc cần làm để chuyển đến câu nói tương ứng trong bản ghi song ngữ.

Hệ thống cũng thống nhất cách viết tên người và thuật ngữ, đồng thời ghi lại các biến thể nhận dạng có thể xảy ra. Vì vậy, ngay cả khi nhận dạng giọng nói viết sai tên, bạn vẫn có thể tìm thấy nội dung liên quan bằng chức năng tìm kiếm.

Phụ đề thời gian thực và tự động nhận diện ngôn ngữ

Sau khi người khác bắt đầu nói, 知了 tự động nhận diện ngôn ngữ và dịch sang ngôn ngữ hệ thống. Trên Mac, nhấn ⌃⌥S để chuyển đổi giữa cửa sổ biên bản, thanh phụ đề nổi và chế độ ẩn. Thanh phụ đề chỉ xuất hiện khi có người nói và tự động trở nên trong suốt khi di chuột qua.

Thiết bị dùng chip Apple trên macOS 26 sẽ sử dụng tính năng nhận dạng giọng nói mới trên thiết bị, hiệu chỉnh bản ghi khoảng 15 đến 30 giây sau khi mỗi câu kết thúc, đồng thời vẫn duy trì tốc độ phản hồi của phụ đề thời gian thực.

Hội họp kết hợp trực tuyến và trực tiếp

Nhấp vào bảng điều khiển trên thanh menu hoặc “Mở micrô” trong cửa sổ biên bản, 知了 sẽ đồng thời xử lý âm thanh máy tính và âm thanh tại phòng họp. Phát biểu trực tuyến và trực tiếp được ghi vào cùng một bản ghi cuộc họp, kèm nhãn “Trực tuyến” hoặc “Trực tiếp”.

Hệ thống sẽ phát hiện âm thanh từ loa có lọt trở lại vào micrô hay không và cố gắng tránh ghi trùng cùng một câu. Khi micrô ngoài bị ngắt kết nối hoặc không có tín hiệu trong thời gian dài, ứng dụng cũng sẽ thử chuyển thiết bị và đưa ra thông báo.

Phiên dịch đồng thời bằng phím

Trên Mac, giữ phím ⌥ ở bên phải bàn phím rồi nói, 知了 sẽ hiểu và dịch lời nói của bạn, sau đó gửi giọng nói đã dịch vào phần mềm họp qua micrô ảo. Trên Windows, sử dụng phím Ctrl bên phải.

Sau khi cấu hình Ling API key, bạn có thể chọn giọng nói tự nhiên hoặc dùng bản ghi 8 đến 30 giây để nhân bản giọng nói của mình. Mac dùng chip Apple chưa cấu hình key vẫn có thể sử dụng nhận dạng trên thiết bị, chuỗi dịch và giọng nói tích hợp của hệ thống, nhưng không thể dùng tính năng nhân bản giọng nói.

Bản ghi cuộc họp trên thiết bị

Bản ghi song ngữ, biên bản và bản ghi âm gốc của mỗi cuộc họp đều được lưu trên thiết bị. Sau cuộc họp, bạn có thể nhấp vào thời gian của bất kỳ câu nào để phát lại đoạn ghi âm tương ứng, cũng như chỉnh sửa người nói, hợp nhất người nói hoặc phân đoạn nội dung cho người khác.

Bản ghi có thể xuất dưới dạng Markdown, Word và phụ đề SRT. Bạn cũng có thể kéo âm thanh hoặc video có sẵn vào cửa sổ bản ghi cuộc họp để chuyển thành bản ghi song ngữ trên thiết bị và phát tệp gốc từ vị trí tương ứng của bất kỳ câu nào.

Yêu cầu hệ thống trước khi cài đặt

• Mac: macOS 14.4 trở lên, hỗ trợ chip Apple và Intel. Bản Intel cần Ling key.
• Windows: Windows 10 2004 trở lên, hỗ trợ x64 và ARM64, cần key của Ling hoặc dịch vụ AI được hỗ trợ khác.
• Linux: Ubuntu 22.04 hoặc 24.04 bản desktop, hỗ trợ x86_64 và arm64, cần key dịch vụ AI.
• Android: Android 10 trở lên, cần key dịch vụ AI.

Bốn nền tảng sử dụng cùng số phiên bản và định dạng bản ghi cuộc họp. Gói cài đặt có thể tải từ trang tải chính thức hoặc GitHub Releases.

Cài đặt và thiết lập ban đầu

Cài đặt trên Mac

1. Tùy theo loại chip, tải Cicada-<版本>-macOS-AppleSilicon.dmg hoặc Cicada-<版本>-macOS-Intel.dmg.
2. Mở DMG và kéo 知了 vào thư mục “Ứng dụng”.
3. Nếu hệ thống chặn lần khởi động đầu tiên, vào “Cài đặt hệ thống › Quyền riêng tư & Bảo mật”, rồi nhấp “Vẫn mở”.
4. Làm theo hướng dẫn để cấp quyền ghi âm thanh hệ thống và phát cuộc họp mẫu để kiểm tra phụ đề.
5. Nếu cần phiên dịch đồng thời, làm theo hướng dẫn để cài micrô ảo BlackHole 2ch.

Khi sử dụng chip Apple trên macOS 14.4 đến 15, bạn cũng cần bật “Đọc chính tả” trong “Cài đặt hệ thống › Bàn phím” và thêm ngôn ngữ cần nhận dạng vào ngôn ngữ đọc chính tả.

Cài đặt trên Windows

1. PC thông thường tải gói cài đặt x64; máy tính xách tay Snapdragon chọn ARM64.
2. Nhấp đúp vào gói cài đặt để hoàn tất, không cần quyền quản trị viên.
3. Nếu SmartScreen chặn, chọn “Thông tin khác › Vẫn chạy”.
4. Làm theo lời nhắc trong cửa sổ chính để cấu hình AI key, phát âm thanh kiểm tra và xem cuộc họp mẫu.
5. Nếu cần phiên dịch đồng thời, làm theo hướng dẫn để cài micrô ảo VB-Cable miễn phí.

Cài đặt trên Linux

Sau khi tải gói nén Linux, chạy lệnh sau trong terminal:

tar xzf Cicada-<版本>-Linux.tar.gz && cicada-linux/install.sh

Sau khi cài đặt, 知了 sẽ xuất hiện trong menu ứng dụng. Phiên dịch đồng thời sẽ tự động tạo “知了 Micrô”, không cần cài thêm trình điều khiển. Linux không thể khiến cửa sổ biên bản tránh khỏi màn hình chia sẻ, vì vậy những người tham gia khác có thể nhìn thấy cửa sổ này khi bạn chia sẻ màn hình.

Nếu muốn lưu và phát lại bản ghi cuộc họp, hãy cài định dạng phương tiện của bên thứ ba có bộ mã hóa AAC, chẳng hạn ubuntu-restricted-extras. Thiếu bộ mã hóa không ảnh hưởng đến các tính năng khác như phụ đề và biên bản.

Cài đặt trên Android

1. Tải Cicada-<版本>-Android.apk.
2. Mở tệp và làm theo hướng dẫn hệ thống để cho phép cài đặt ứng dụng không rõ nguồn.
3. Trên Android 15 trở lên, khi lần đầu sử dụng phụ đề nổi, trước tiên cần cho phép cài đặt bị hạn chế trong thông tin ứng dụng.
4. Cấu hình key của Ling hoặc dịch vụ AI khác.

Một số ứng dụng gọi điện và họp không cho phép hệ thống ghi âm thanh của chúng. Trong trường hợp này, hãy bật loa ngoài và chọn chế độ “Trực tiếp” trong 知了.

Kiểm tra gói cài đặt

Trang Releases cung cấp checksums.txt. Trên Mac hoặc Linux, có thể dùng lệnh sau để kiểm tra SHA-256:

shasum -a 256 Cicada-*

Cấu hình Ling API key

Mac dùng chip Apple không nhập key vẫn có thể sử dụng phụ đề thời gian thực, dịch cơ bản, bản ghi cuộc họp và phiên dịch đồng thời. Biên bản thời gian thực, dịch giọng nói một bước và nhân bản giọng nói cần Ling key. Mac Intel, Windows, Linux và Android cần cấu hình dịch vụ nhận dạng đám mây.

1. Truy cập Nền tảng mở Ling và đăng ký hoặc đăng nhập.
2. Tạo token và sao chép key bắt đầu bằng sk-.
3. Mở “Cài đặt › Dịch vụ AI” của 知了 và dán key.
4. Nhấp lưu và kiểm tra. 知了 sẽ gửi một yêu cầu chỉ sử dụng một token để xác minh key.
5. Chọn mô hình theo nhu cầu; mô hình biên bản và dịch nguyên câu mặc định là Ling-3.1-flash.

Nếu không thể sử dụng Ling, bạn có thể chuyển sang OpenRouter, ZenMux, OpenAI trong phần cài đặt dịch vụ AI hoặc nhập địa chỉ dịch vụ tương thích với OpenAI API. Các dịch vụ tự triển khai như Ollama, vLLM và SGLang cũng có thể được cấu hình riêng cho dịch và biên bản, tổng hợp giọng nói, nhận dạng giọng nói.

Dịch giọng nói một bước và nhân bản giọng nói chỉ được Ling cung cấp. Các dịch vụ khác có thể hỗ trợ biên bản thời gian thực và dịch nguyên câu, nhưng quy trình phiên dịch đồng thời cụ thể sẽ khác nhau tùy nền tảng và dịch vụ.

Hoàn tất phụ đề và biên bản thời gian thực đầu tiên

1. Khởi động 知了 và xác nhận đã bật quyền ghi âm thanh hệ thống.
2. Mở Zoom, Feishu, Tencent Meeting, YouTube hoặc ứng dụng khác có phát âm thanh.
3. Để người khác bắt đầu nói, chờ 知了 tự động nhận diện ngôn ngữ và hiển thị phụ đề song ngữ.
4. Nhấn ⌃⌥S để chuyển đổi cách hiển thị phụ đề và biên bản.
5. Nếu cần ghi lại phát biểu trực tiếp, nhấp “Mở micrô”.
6. Sau khi cuộc họp kết thúc, vào bản ghi cuộc họp để kiểm tra văn bản, biên bản, người nói và bản ghi âm.
7. Xuất tệp Markdown, Word hoặc SRT theo nhu cầu.

Ví dụ sử dụng: xem livestream tiếng Anh

Sau khi mở livestream tiếng Anh trên YouTube, 知了 sẽ đọc âm thanh hệ thống, hiển thị nguyên văn tiếng Anh và bản dịch tiếng Việt, đồng thời liên tục sắp xếp chủ đề, kết luận và việc cần làm. Sau khi livestream kết thúc, bạn có thể nhấp vào thời gian của một câu trong bản ghi cuộc họp để quay lại vị trí tương ứng trong bản ghi âm gốc.

Ví dụ sử dụng: phát biểu với người tham gia ở nước ngoài

Trước tiên, chọn ngôn ngữ đích và giọng nói trong phần cài đặt phiên dịch đồng thời. Khi vào cuộc họp, giữ phím ⌥ bên phải và nói tiếng Trung; sau khi thả phím, giọng nói đã dịch sẽ được gửi vào phần mềm họp qua micrô ảo BlackHole. Trên Windows, phím tương ứng là Ctrl bên phải.

Nhập bản ghi âm hoặc video có sẵn

Kéo âm thanh hoặc video vào cửa sổ bản ghi cuộc họp hoặc chọn “Tệp › Nhập bản ghi âm hoặc video…”. 知了 sẽ chuyển tệp thành một bản ghi cuộc họp song ngữ. Nếu lần đầu không nhận diện được ngôn ngữ, bản ghi âm gốc vẫn được giữ lại; sau khi chọn đúng ngôn ngữ, bạn có thể chuyển lời lại.

Quyền riêng tư, quyền truy cập và vị trí dữ liệu

Mac dùng chip Apple thực hiện việc thu âm thanh, nhận diện ngôn ngữ, nhận dạng giọng nói và ghi âm cuộc họp trên thiết bị. Thông thường, chỉ văn bản sau nhận dạng mới được gửi đến dịch vụ dịch hoặc biên bản; khi sử dụng phiên dịch đồng thời Ling, giọng nói khi nhấn phím sẽ được gửi đến Ling. Nếu chủ động chuyển sang dịch vụ nhận dạng giọng nói tự xây dựng, âm thanh cuộc họp sẽ được gửi đến dịch vụ đó.

• Ghi âm thanh hệ thống: dùng để đọc âm thanh đang phát trên Mac, không ghi màn hình.
• Micrô: dùng cho cuộc họp trực tiếp và phiên dịch đồng thời.
• Giám sát đầu vào: chỉ xác định phím ⌥ bên phải có được nhấn riêng hay không; nếu chuyển sang phím tắt kết hợp thì có thể không cấp quyền.
• Mật khẩu quản trị viên: chỉ cần khi cài BlackHole 2ch và khởi động lại dịch vụ âm thanh hệ thống.

Bản ghi cuộc họp, bản ghi âm và biên bản trên Mac mặc định nằm tại:

~/Library/Application Support/LiveSubs

Dự án tuyên bố ứng dụng không có thống kê, theo dõi sự kiện hoặc máy chủ tự xây dựng. Trên bản Mac, cửa sổ biên bản mặc định không xuất hiện trong chia sẻ màn hình, ghi màn hình và ảnh chụp màn hình, nhưng Linux không hỗ trợ khả năng ẩn này.

Mẹo sử dụng nâng cao

Ưu tiên chọn giải pháp nhận dạng phù hợp

• Mac dùng chip Apple có thể ưu tiên nhận dạng trên thiết bị để giảm khả năng âm thanh cuộc họp rời khỏi thiết bị.
• Mac Intel cần Ling để nhận dạng giọng nói trên đám mây.
• Windows, Linux và Android có thể chuyển sang OpenRouter, ZenMux hoặc dịch vụ tương thích khác khi Ling không khả dụng, nhưng phụ đề có thể chậm hơn Ling từ 1 đến 2 giây.

Dùng tai nghe để cải thiện bản ghi cuộc họp kết hợp

Trong cuộc họp kết hợp, âm thanh trực tuyến phát từ loa có thể lọt trở lại vào micrô. 知了 sẽ phát hiện và loại bỏ trùng lặp, nhưng dùng tai nghe hoặc micrô hội họp có thể giảm tiếng vọng và thuận lợi hơn cho việc ghi đồng thời phát biểu trực tuyến lẫn trực tiếp.

Hiệu chỉnh người nói và thuật ngữ

Nếu nhận dạng người nói không chính xác, bạn có thể đổi tên, hợp nhất người nói trong cửa sổ biên bản thời gian thực hoặc phân đoạn lời nói cho người khác. Với những tên người và thuật ngữ xuất hiện thường xuyên, 知了 sẽ thống nhất cách viết và cho phép tìm kiếm bao quát cả các biến thể có thể bị nhận dạng sai.

Sử dụng dịch vụ AI tự xây dựng

Trong “Cài đặt › Dịch vụ AI”, chọn “Khác (tương thích với OpenAI)” để nhập riêng địa chỉ dịch vụ cho dịch và biên bản, giọng nói phiên dịch đồng thời và nhận dạng giọng nói. Địa chỉ mạng cục bộ có thể sử dụng HTTP. Nếu muốn cả giọng nói và văn bản đều không đi qua Google, bạn cũng có thể bật “Chỉ gửi giọng nói và văn bản đến dịch vụ của bạn”.

Xây dựng bản Mac từ mã nguồn

Phiên bản Mac không có phụ thuộc bên thứ ba, chỉ cần cài đặt Xcode Command Line Tools:

xcode-select --install
scripts/build.sh
open build/Cicada.app
scripts/package.sh

scripts/build.sh sẽ tạo phiên bản phát triển có thể chạy đồng thời với bản chính thức, còn scripts/package.sh sẽ đóng gói DMG, ZIP và giá trị kiểm tra SHA-256. Nếu gặp lỗi thiếu SwiftUIMacros trên macOS 27, cần cài đặt đầy đủ Xcode và chuyển đường dẫn công cụ phát triển:

sudo xcode-select -s /Applications/Xcode.app

Cách gỡ cài đặt

Sau khi thoát 知了, hãy kéo ứng dụng từ thư mục “Ứng dụng” vào Thùng rác. Bản ghi cuộc họp sẽ không tự động bị xóa; nếu không còn cần, bạn có thể xóa thủ công ~/Library/Application Support/LiveSubs. Để xóa cài đặt phần mềm trên Mac, hãy chạy:

defaults delete com.wquguru.cicada

Lời kết

知了 tích hợp phụ đề thời gian thực, chuyển lời song ngữ, biên bản có cấu trúc, phát lại bản ghi âm và phiên dịch đồng thời trong một quy trình họp cục bộ. Bạn nên hoàn tất việc cấp quyền âm thanh hệ thống và kiểm thử cuộc họp mẫu trước, sau đó quyết định có cấu hình Ling hoặc các dịch vụ AI khác tùy theo nền tảng thiết bị. Trước cuộc họp chính thức, cũng nên kiểm thử ngôn ngữ mục tiêu, micrô, thiết bị âm thanh ảo và quy trình xuất để đảm bảo phụ đề và phiên dịch đồng thời hoạt động ổn định.