Hai sản phẩm, một nền tảng
Dùng riêng từng dịch vụ hoặc kết hợp để xây voice bot, tổng đài AI và phân tích cuộc gọi.
Giọng đọc tiếng Việt tự nhiên, nhân bản giọng từ 3–8 giây audio, hội thoại nhiều người nói và streaming thời gian thực.
- 25 giọng đọc ba miền Bắc · Trung · Nam
- Nhân bản giọng nói tức thì
- Thẻ cảm xúc [cười], [thở dài]
- API /v1/audio/speech tương thích OpenAI
Nhận dạng ghi âm cuộc gọi CSKH tiếng Việt, tách kênh tổng đài viên và khách hàng, trả transcript kèm timestamp.
- Upload file hoặc gửi URL ghi âm
- Tách kênh stereo agent / customer
- Xuất JSON, SRT, VTT, text
- API /v1/audio/transcriptions tương thích OpenAI
Giọng đọc tiếng Việt chất lượng phòng thu
Chọn giọng, nhập văn bản, nhận audio 48 kHz. Trình tạo bên dưới cho thấy đúng request bạn sẽ gửi tới API.
curl https://speech.uniagent.vn/v1/audio/speech \
-H "Authorization: Bearer $UNISPEECH_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "unispeech-v3-turbo",
"input": "Chào mừng quý khách đến với UniSpeech. [cười] Hôm nay chúng tôi sẽ giới thiệu công nghệ giọng nói tiếng Việt thế hệ mới.",
"voice": "Trúc Ly",
"response_format": "wav",
"sample_rate": 48000
}' \
--output speech.wav25 giọng đọc có sẵn
Giọng nam, nữ ba miền với phong cách tự nhiên, kể chuyện, tin tức. Ổn định, không cần audio mẫu.
Nhân bản giọng nói
Tạo giọng riêng từ 3–8 giây ghi âm, tự khử nhiễu audio mẫu. Giọng thuộc riêng tenant hoặc service của bạn.
Hội thoại & Podcast
Kịch bản nhiều người nói được xử lý theo lô một lần, phù hợp podcast, lồng tiếng và bài giảng.
Cảm xúc & âm phi ngôn ngữ
Chèn [cười], [thở dài], [hắng giọng] ngay trong văn bản để giọng đọc có hồn hơn.
Từ điển phát âm
Định nghĩa cách đọc cho tên riêng, viết tắt, thuật ngữ của doanh nghiệp. Áp dụng cho mọi request.
Fine-tune LoRA
Huấn luyện giọng hoặc phong cách đọc riêng trên một GPU phổ thông cho thương hiệu của bạn.
Biến ghi âm cuộc gọi thành dữ liệu
Gửi file ghi âm qua console hoặc API, nhận transcript tách theo người nói kèm timestamp. Cùng một kết quả, xuất ra định dạng bạn cần.
{
"language": "vi",
"channels": 2,
"text": "Dạ em chào anh, em là Lan từ bộ phận chăm sóc khách hàng. Chào em, anh muốn hỏi về đơn hàng đặt hôm thứ hai. Anh vui lòng cho em xin mã đơn hàng ạ. Mã đơn là DH hai không hai sáu, một không một một. Đơn của anh đang được giao, dự kiến tới trong chiều nay ạ.",
"segments": [
{
"start": 0.42,
"end": 3.1,
"channel": 0,
"speaker": "agent",
"text": "Dạ em chào anh, em là Lan từ bộ phận chăm sóc khách hàng."
},
{
"start": 3.55,
"end": 6.02,
"channel": 1,
"speaker": "customer",
"text": "Chào em, anh muốn hỏi về đơn hàng đặt hôm thứ hai."
},
{
"start": 6.4,
"end": 9.15,
"channel": 0,
"speaker": "agent",
"text": "Anh vui lòng cho em xin mã đơn hàng ạ."
},
{
"start": 9.6,
"end": 12.8,
"channel": 1,
"speaker": "customer",
"text": "Mã đơn là DH hai không hai sáu, một không một một."
},
{
"start": 13.2,
"end": 17.05,
"channel": 0,
"speaker": "agent",
"text": "Đơn của anh đang được giao, dự kiến tới trong chiều nay ạ."
}
]
}Tối ưu cho tiếng Việt
Mô hình nhận dạng chuyên cho tiếng Việt, xử lý tốt ghi âm tổng đài 8 kHz và hội thoại tự nhiên.
Tách kênh người nói
File stereo được tách kênh tổng đài viên / khách hàng, gắn nhãn tuỳ chọn cho từng đoạn.
Đồng bộ & bất đồng bộ
File ngắn trả kết quả ngay. Cuộc gọi dài chạy theo job, báo kết quả qua webhook có chữ ký HMAC.
Nhiều định dạng
JSON có timestamp từng đoạn, verbose_json, text thuần, phụ đề SRT và VTT.
Upload hoặc URL
Nhận wav, mp3, m4a, ogg, opus, flac, webm, aac, amr. Gửi URL HTTPS từ hệ thống ghi âm của bạn.
GPU phân tán
Worker GPU tự kết nối về gateway, job tự chạy lại nếu một máy gặp sự cố. Mở rộng bằng cách thêm máy.
Đủ nhanh cho hội thoại trực tiếp
Ghép ASR và TTS streaming với LLM để voice agent nghe và đáp trong lúc khách hàng đang nói, qua WebSocket hoặc plugin LiveKit.
TTS WebSocket
BetaGửi văn bản ngay khi LLM sinh ra, nhận PCM ngay khi được tạo. Mỗi lượt trả lời là một context, có thể huỷ khi khách ngắt lời.
Streaming /v1/audio/speech
GAStream PCM, WAV hoặc SSE qua HTTP. Dùng thẳng với OpenAI SDK, Pipecat, LiveKit Agents.
ASR WebSocket
Sắp ra mắtGửi PCM liên tục, nhận transcript interim và final, server tự chốt câu bằng VAD để agent phản hồi sớm.
Tích hợp trong vài phút
API tương thích OpenAI: đổi base_url và API key là chạy. Không cần học SDK mới.
- Xác thực bằng API key theo từng service
- Lỗi chuẩn hoá {"error": {message, type, code}}
- Idempotency-Key cho job, metadata trả nguyên vẹn
- X-End-Tenant-Id để tính usage theo khách hàng cuối
from openai import OpenAI
client = OpenAI(base_url="https://speech.uniagent.vn/v1", api_key="usk_live_...")
with client.audio.speech.with_streaming_response.create(
model="unispeech-v3-turbo",
voice="Mai Anh",
input="Xin chào! Phát tới đâu nghe tới đó.",
response_format="pcm", # s16le 48 kHz mono
) as r:
for chunk in r.iter_bytes(4096):
play(chunk)Ứng dụng thực tế
Từ tổng đài đến nội dung số, UniSpeech phục vụ các bài toán giọng nói phổ biến của doanh nghiệp Việt.
Tổng đài & Voice bot
Voice agent trả lời cuộc gọi 24/7 bằng giọng tự nhiên, nghe hiểu khách hàng theo thời gian thực.
Phân tích cuộc gọi CSKH
Chuyển toàn bộ ghi âm thành văn bản để tóm tắt, phân loại nhu cầu và chấm điểm chất lượng.
Sách nói & Podcast
Sản xuất audiobook, podcast nhiều người nói với giọng ổn định, không cần phòng thu.
E-learning & Bài giảng
Lồng tiếng bài giảng, video đào tạo nội bộ và tạo phụ đề tự động từ bài ghi âm.
Thông báo tự động
Gọi nhắc lịch, thông báo đơn hàng, nhắc nợ với nội dung cá nhân hoá cho từng khách.
Phụ đề & Biên bản
Tạo phụ đề SRT/VTT cho video và biên bản cuộc họp có mốc thời gian.
Sẵn sàng cho doanh nghiệp
Console quản trị, phân quyền nhiều cấp và kiểm soát dữ liệu được xây sẵn, không phải làm thêm.
Đa tenant
Tenant, service và tài khoản console với vai trò viewer, operator, admin.
API key & quota
Giới hạn RPM, quota ký tự hoặc giây audio theo tháng cho từng tenant và service.
Usage & Audit
Thống kê sử dụng theo service và khách hàng cuối. Nhật ký thao tác đầy đủ.
Playground
Thử giọng, tạo hội thoại, upload ghi âm và xem transcript ngay trên console.
Bảo mật dữ liệu
Ghi âm lưu trong kho riêng không public, truy cập qua gateway có kiểm tra quyền.
Tự động xoá
Xoá audio và transcript theo yêu cầu hoặc theo thời hạn lưu trữ bạn đặt.
Triển khai theo cách bạn muốn
Cloud API
Dùng ngay qua API của UniSpeech, trả theo mức sử dụng.
GPU riêng
Thêm máy GPU của bạn vào cụm, dữ liệu xử lý trên phần cứng riêng.
On-premise
Cài toàn bộ gateway, console và worker bằng Docker trong hạ tầng nội bộ.
Bắt đầu chỉ với 3 bước
Từ đăng ký đến request đầu tiên trong chưa đầy 10 phút
Tạo service & API key
Đăng ký tài khoản, tạo service trên console và lấy API key.
Gọi API
Gửi văn bản để tổng hợp giọng nói hoặc gửi ghi âm để nhận dạng.
Nhận kết quả
Nhận audio streaming, transcript đồng bộ hoặc webhook khi job hoàn tất.
Cho sản phẩm của bạn một giọng nói
Đăng ký để nhận API key dùng thử và được tư vấn giải pháp giọng nói phù hợp.