Đọc chính tả trên Mac: kiểm tra giọng nói của bạn đi đâu

Bạn đọc chính tả một email có tên khách hàng, ngày release và một kế hoạch chưa công bố, rồi yên tâm vì app quảng cáo "nhận dạng giọng nói chạy ngay trên máy". Vấn đề là nhận dạng giọng nói chỉ là chặng đầu — nhiều app gửi tiếp bản ghi text lên một model cloud để sửa câu chữ cho mượt.

Bài này là quy trình kiểm tra từng chặng của một workflow dictation trên Mac, trước khi bạn đọc thứ gì nhạy cảm vào micro. Phần khung do một hướng dẫn trên dev.to đưa ra; tác giả bài đó ghi rõ nội dung được AI soạn, và sơ đồ cùng ví dụ payload chỉ mang tính minh họa chứ không phải kết quả đo.

Hai chặng, hai loại dữ liệu khác nhau

Nhận dạng giọng nói biến âm thanh từ micro thành text. "Dọn dẹp" (cleanup) nhận text đó rồi sửa: bỏ từ đệm, xử lý những chỗ bạn nói nhầm rồi tự sửa, biến một câu lan man thành đoạn đọc được.

Hai chặng này có thể chạy ở hai nơi khác nhau. Khi nhận dạng chạy local còn cleanup chạy cloud, dịch vụ cleanup nhận text — không có âm thanh, nên không có giọng bạn và không có tiếng ồn xung quanh. Nhưng text đó vẫn chứa đúng những cái tên khách hàng, chi tiết sự cố và kế hoạch chưa công bố như bản ghi âm. Và nếu micro bắt được tiếng người khác nói trong phòng, câu đó cũng nằm trong bản ghi.

Sáu tuyến đường dữ liệu có thể xảy ra

Ở đây "local" nghĩa là model chạy trên chính máy Mac này và fallback lên cloud đã tắt. Bảng giả định nhận dạng giọng nói và cleanup là hai bước tách rời:

Nhận dạng	Cleanup	Dữ liệu rời khỏi máy
Local	Tắt	Không có gì cho bước nhận dạng.
Local	Local	Không có gì, một khi model đã tải sẵn.
Local	Cloud	Dịch vụ cleanup nhận transcript, instruction và mọi context được gửi kèm.
Cloud	Tắt	Dịch vụ nhận dạng nhận âm thanh.
Cloud	Local	Dịch vụ nhận dạng nhận âm thanh; cleanup có thể làm tại máy.
Cloud	Cloud	Âm thanh tới dịch vụ nhận dạng; transcript và context tới dịch vụ cleanup.

Ba lưu ý khi đọc bảng. Đếm đủ mọi bên nhận dữ liệu: nhà làm app có thể chuyển tiếp request qua server của họ trước khi tới nhà cung cấp model, và việc bạn tự nhập API key không chứng minh request đi thẳng. Một model chạy trên máy khác trong mạng LAN cũng là "ngoài máy này". Và nếu một dịch vụ nhận âm thanh rồi trả về văn bản đã chỉnh trong một lần gọi, nó có quyền truy cập âm thanh ở cả bước cleanup.

Hành vi fallback là chỗ dễ sập nhất. Khi model local không sẵn sàng, app có thể báo lỗi, hỏi bạn, hoặc lặng lẽ dùng đường cloud đã bật sẵn. Với việc nhạy cảm, hãy chọn cấu hình dừng lại một cách rõ ràng khi xử lý local không khả dụng, và tìm chỗ hiển thị model nào thực sự đã xử lý bản ghi.

Một request cleanup chứa những gì

Ví dụ minh họa trong hướng dẫn là một câu có chỗ nói nhầm rồi sửa lại, kèm một câu cấm:

{
  "instruction": "Remove fillers and resolve spoken corrections. Preserve prohibitions.",
  "text": "Um move the staging release to Thursday, actually Friday, and don't run the migration on production."
}

Bản mong muốn sau khi dọn: dời release sang thứ Sáu, giữ nguyên lệnh cấm chạy migration trên production. Hai chi tiết đó cho bạn hai phép thử cụ thể — thứ Sáu phải còn, câu cấm phải còn. Đồng thời, chỉ riêng việc gửi request đã tiết lộ lịch release cho dịch vụ cleanup dù không đính kèm file âm thanh. Nếu app gửi kèm cả tiêu đề cửa sổ, đoạn text đang bôi đen hay nội dung tài liệu xung quanh, phần lộ ra còn nhiều hơn những gì bạn đọc vào micro.

Những chỗ bấm vào để kiểm tra

• Dictation của Apple: System Settings → Keyboard → Dictation, bật lên rồi đọc phần thông báo xử lý. Theo hướng dẫn, Apple nói phần nhập liệu giọng nói dạng văn bản chung và transcript được xử lý trên thiết bị, không gửi tới server Siri — mô tả này không bao gồm dictation vào ô tìm kiếm.
• Chia sẻ âm thanh là lựa chọn riêng, nằm ở Privacy & Security → Analytics & Improvements → Improve Siri & Dictation.
• Apple Intelligence nếu dùng để cleanup có thể chạy trên máy hoặc dùng Private Cloud Compute cho request phức tạp hơn. Trên Mac được hỗ trợ, Privacy & Security → Apple Intelligence Report → Export Activity xuất ra báo cáo JSON các request Private Cloud Compute, với cửa sổ báo cáo 15 phút hoặc bảy ngày. Báo cáo này chỉ bao phủ dịch vụ đó, không phải mọi model bên thứ ba.
• App dictation bên thứ ba: xem Privacy & Security → Accessibility. Quyền này cho phép app truy cập và điều khiển máy. Nếu app chèn text bằng cách copy-paste, hãy tính thêm các tool lưu lịch sử clipboard và Universal Clipboard — thứ có thể đẩy nội dung đã copy sang các thiết bị Apple khác của bạn.

Bài test offline, làm một lần cho chắc

1. Khi còn mạng, hoàn tất setup và tải về các model local bạn định dùng.
2. Chọn nhận dạng giọng nói local. Tắt cleanup cho lượt kiểm tra đầu, và tắt luôn fallback cloud nếu app có tùy chọn đó.
3. Mở một tài liệu local, không đồng bộ.
4. Ngắt Wi-Fi và mọi kết nối internet khác.
5. Đọc đúng câu staging-release ở trên.
6. Kiểm tra transcript hiện ra và chèn hoặc copy được.
7. Muốn cleanup local thì bật model đã tải về và lặp lại: kiểm tra ngày cuối cùng vẫn là thứ Sáu và câu cấm migration vẫn còn.

Nếu transcript chạy được nhưng cleanup fail khi offline, soi riêng đường đi của cleanup và trạng thái model. Một bước sign-in hay kiểm tra license cũng tạo phụ thuộc mạng, nên fail khi offline tự nó chưa nói lên nội dung gì sẽ bị gửi đi.

Kiểm tra mạng, và giới hạn của nó

Với lượt kiểm tra online, dùng một bản ghi vô hại và theo dõi đúng dòng của app trong Activity Monitor → Network trước, trong và sau khi đọc — phần tổng ở dưới cùng tính cho cả máy. Lệnh nettop có sẵn trong macOS cũng hiển thị socket theo tiến trình; nhấn e để bung kết nối, q để thoát.

Đừng dừng ở dòng của app. Các transfer chạy nền bằng URLSession nằm ở một tiến trình hệ thống riêng — trên macOS là nsurlsessiond — và daemon đó phục vụ nhiều app, nên lưu lượng của nó không chỉ ra app nào đã gửi dữ liệu. Một dòng app im lặng không chứng minh rằng không có gì được gửi đi, và cũng nên kiểm tra lại sau khi kết nối mạng trở lại, phòng trường hợp upload bị hoãn.

Quan trọng hơn: các công cụ này nhận ra có kết nối và có dữ liệu truyền đi, nhưng không cho bạn biết một request đã mã hóa TLS chứa âm thanh, text, dữ liệu chẩn đoán hay hỗn hợp cả ba. Muốn chắc nội dung, phải dựa vào schema request được tài liệu hóa hoặc một lượt kiểm tra có kiểm soát bằng nội dung tổng hợp.

Đi theo văn bản tới tận đích

Kể cả khi nhận dạng và cleanup đều chạy local, việc chèn kết quả vào một note có đồng bộ, một draft webmail hay khung chat nhóm vẫn đẩy nội dung đó qua dịch vụ của ứng dụng nhận. Inference local chỉ kiểm soát một chặng. Đọc chính tả vào một coding agent chạy cloud cũng vậy: đích đến vốn đã gửi text lên dịch vụ model của nó.

Tách riêng bốn câu hỏi khi rà soát: dịch vụ nào nhận âm thanh, text hoặc context; app có lưu bản ghi âm và transcript không, lưu ở đâu; báo cáo chẩn đoán có kèm nội dung hay chỉ metadata; và ứng dụng đích có lưu, đồng bộ hay gửi tiếp đoạn text vừa chèn không.

Với mã nguồn và lệnh shell, soi lại tên, flag, số và các từ phủ định sau mỗi lượt cleanup. Giữ tự động submit ở trạng thái tắt khi kiểm tra workflow terminal — chèn text và thực thi là hai hành động tách rời, và chỉ cần một câu phủ định bị dọn mất là lệnh đổi nghĩa.

Nếu bạn là người viết app dictation

Phơi riêng ba đường — nhận dạng, cleanup, fallback — và chỉ gửi đúng phần context mà tính năng cần. Với Speech framework của Apple, kiểm tra supportsOnDeviceRecognition của recognizer trước khi bắt buộc xử lý local bằng requiresOnDeviceRecognition: Apple ghi rõ request chỉ tôn trọng yêu cầu đó khi thiết bị thực sự hỗ trợ nhận dạng on-device. Nếu tính năng hứa xử lý local mà máy không hỗ trợ, hãy dừng lại một cách nhìn thấy được thay vì im lặng rơi sang cloud.

Chốt lại

Mặc định an toàn cho workflow nhạy cảm: nhận dạng local, cleanup tắt, chỉ bật model cleanup đã tải về khi bạn thật sự cần nó sửa câu. Kiểm tra fallback và đường đồng bộ của ứng dụng đích trước khi đọc dữ liệu nhạy cảm — và nhớ rằng chữ "cloud" tự nó không nói gì về chính sách lưu trữ hay dùng dữ liệu để huấn luyện.

Một câu từ bài test lệnh fm trên macOS 27 đáng nhớ kèm: xử lý on-device bảo vệ dữ liệu khỏi một vòng round-trip lên cloud, nhưng không làm câu trả lời đúng hơn. Bài test offline ở trên cũng vậy — nó chứng minh cấu hình chạy được khi không có internet, không chứng minh app sẽ không gửi gì khi mạng trở lại.