Grok Voice Transcribe 2.0 vs VibeVoice ASR Streaming 7B: Con số mà Microsoft không công bố

VibeVoice ASR Streaming 7B là bộ nhận dạng giọng nói trực tuyến hợp nhất của Microsoft, được tải lên Hugging Face vào ngày 2 tháng 9 năm 2026 và được công bố trong kho microsoft/VibeVoice một ngày sau đó theo giấy phép MIT, và nó làm được một điều mà cả Grok Voice Transcribe 2.0 lẫn hầu hết các đối thủ của nó đều không làm: phát ra văn bản có gán nhãn người nói ngay khi âm thanh đến, không cần giai đoạn phân tách người nói riêng. Báo cáo kỹ thuật của Microsoft cho biết checkpoint 7B đạt WER và CER trung bình thấp nhất trên năm bộ đánh giá và đạt kết quả gán nhãn người nói tốt nhất hoặc đồng hạng nhất trong 12 trên 13 thiết lập đánh giá. Điều mà thẻ mô hình không làm là công bố một con số nào dưới dạng văn bản — không WER, không RTF, không số liệu độ trễ; các kết quả chỉ tồn tại dưới dạng hình ảnh trong báo cáo. Grok Voice Transcribe 2.0, ra mắt mười sáu ngày sau đó vào ngày 18 tháng 9 năm 2026 với giá 0,10 USD mỗi giờ âm thanh cho batch và 0,20 USD mỗi giờ cho streaming, công bố mọi thứ: WER bản ghi cuối cùng là 2,7% và WER của bản từng phần đầu tiên là 3,4% trên bảng xếp hạng streaming của Artificial Analysis, mỗi chỉ số 0,49 giây. Vậy nên điểm khởi đầu trung thực cho so sánh này là một trong hai mô hình được tài liệu hóa tốt hơn một cách có thể đo lường được so với mô hình kia, và chính sự bất đối xứng đó là thực tế liên quan đến quyết định nhất trong cuộc đối đầu này.

Microsoft đã công bố những gì và người đọc có thể làm gì với nó

Báo cáo VibeVoice là nghiên cứu thực thụ và các tuyên bố trong đó cụ thể về hình thức, nếu không phải về giá trị. Báo cáo đánh giá bốn bộ chuẩn đánh giá cuộc họp — AliMeeting, AISHELL-4, AMI-SDM và AMI-IHM — cùng với MLC-Challenge, trên chín ngôn ngữ, và đưa ra hai kết quả chính: mô hình 7B có WER/CER trung bình thấp nhất trên cả năm bộ, và có kết quả gán người nói tốt nhất hoặc đồng hạng nhất trong 12/13 cấu hình đánh giá. Cả hai đều là những tuyên bố tương đối, một kiểu tuyên bố có ý nghĩa: “thấp nhất trong năm bộ này” là một phát biểu về thứ tự, và thứ tự là điều người mua cần.

Điều còn thiếu là mọi con số tuyệt đối. Không có phần trăm WER để so sánh với bất cứ thứ gì, không có số liệu thông lượng, không có đo lường độ trễ, và không có phân tích chi tiết theo từng bộ trong văn bản. Một bảng so sánh đặt VibeVoice cạnh Grok Voice Transcribe 2.0 và gán cho mô hình của Microsoft một con số là đang bịa ra con số đó. Điều có thể nói là VibeVoice đã thắng trong đánh giá năm bộ của chính mình và rằng không ai ngoài Microsoft đã chạy lại nó — không có benchmark độc lập, không có đánh giá của bên thứ ba, và vào thời điểm viết bài, không có nhà cung cấp suy luận được lưu trữ nào liệt kê mô hình này cả. Do đó, sự so sánh là giữa một con số được ghi nhận và một thứ hạng không được ghi nhận, và thứ hạng không được ghi nhận không phải là cái yếu hơn trong hai chỉ vì nó thiếu dấu thập phân.

Tài liệu của Grok Voice Transcribe 2.0 lại mắc vấn đề ngược lại. Con số 2,7% và 3,4% của nó đến từ bảng AA-WER Streaming của Artificial Analysis, một chỉ số tổng hợp có trọng số gồm AA-AgentTalk chiếm 50%, còn VoxPopuli và Earnings22 mỗi bên 25% — khoảng tám giờ audio hội thoại tiếng Anh mang dạng tác tử, được chạy độc lập, một nguồn gốc thực sự vững chắc hơn so với đánh giá của chính nhà cung cấp. Nhưng đó chỉ là một lát cắt hẹp của tiếng Anh, và bản thân trang bảng điểm chỉ vẽ 27 trong số 33 mô hình mà SpaceXAI đếm khi tuyên bố vị trí đầu tiên trong số 32. Một con số chính xác trên một bài kiểm tra hẹp và một tuyên bố thiếu chính xác trên một phạm vi rộng hơn thì không thể so sánh trực tiếp với nhau, và bài viết này sẽ không giả vờ rằng chúng có thể.

Hai giây rưỡi so với nửa giây

So sánh độ trễ là nơi duy nhất có thể đặt hai mô hình cạnh nhau mà không cần kèm bất kỳ lưu ý nào về bộ dữ liệu, vì cả hai đều công bố cấu hình streaming của mình — và sự khác biệt nằm ở kiến trúc chứ không phải ở lựa chọn tinh chỉnh.

VibeVoice ASR Streaming 7B hoạt động theo từng đoạn. Các checkpoint đã phát hành của nó sử dụng 22 khung tiềm ẩn mỗi đoạn, mà với tốc độ 7,5 khung tiềm ẩn mỗi giây của mô hình thì tương đương khoảng 2,9 giây âm thanh mỗi đoạn, với độ nhìn trước bốn khung tiềm ẩn — tức khoảng 0,5 giây âm thanh trong tương lai — và độ trễ quy gán người nói dự kiến khoảng 2,00 giây. Nó phát ra văn bản một lần mỗi đoạn. Đó là một hệ thống streaming thực sự, nhưng nhịp độ được đo bằng giây, chứ không phải mili giây.

Grok Voice Transcribe 2.0 trả về bản chép từng phần đầu tiên 0,49 giây sau khi người nói dừng lại và hoàn tất bản chép cuối cùng 0,49 giây sau khi kết thúc lời nói. Nó đã đánh đổi tốc độ để có được độ chính xác đó — tỷ lệ lỗi của bản chép từng phần đầu tiên giảm từ 18,3% ở phiên bản 1.0 xuống 3,4% ở phiên bản 2.0, với cái giá là tăng từ 0,25 giây lên 0,49 giây ở cùng phép đo.

Đặt cạnh nhau:

• Nhịp truyền phát trực tuyến — Grok Voice Transcribe 2.0 liên tục phát ra các kết quả từng phần với độ trễ của phần kết quả đầu tiên là 0,49 giây, so với VibeVoice ASR Streaming 7B phát ra một đoạn văn bản khoảng mỗi 2,9 giây

• Độ trễ gán thuộc tính người nói — được tính trong cùng đường dẫn 0,49 giây so với khoảng 2,00 giây theo thiết kế

• Lookahead — không được công bố so với bốn khung tiềm ẩn, khoảng 0,5 giây âm thanh trong tương lai

• Tác động thực tế — một tác nhân thoại có thể hành động dựa trên một câu đang được nói dở, so với một hệ thống nhận được một đoạn văn gắn nhãn người nói cứ mỗi ba giây

Cả hai đều không sai. Một đoạn 2,9 giây là một thiết kế hoàn toàn hợp lý cho việc phiên âm cuộc họp, nơi đầu ra là một tài liệu và giá trị nằm ở việc tài liệu đến trong lúc cuộc họp đang diễn ra chứ không phải sau đó. Đó là một thiết kế sai đối với một tác nhân hội thoại, nơi khoảng lặng ba giây không phải là một sự tạm dừng, mà là một thất bại. Khoảng cách giữa hai nhịp độ này là khoảng sáu lần, và nó gần như tương ứng chính xác với sự khác biệt giữa việc phiên âm một cuộc trò chuyện và việc tham gia vào một cuộc trò chuyện.

Gán người nói như một đầu ra, chứ không phải một giai đoạn của pipeline

Đây là điểm mà mô hình Microsoft thực sự vượt trội, và thiết kế này đáng để tìm hiểu vì đó chính là lý do khiến việc chia khối trở nên thô.

VibeVoice sử dụng hai tokenizer đã được huấn luyện trước — một bộ mã hóa âm học và một bộ mã hóa ngữ nghĩa — chạy ở 24 kHz với mức giảm mẫu 3.200× để tạo ra 7,5 khung tiềm ẩn mỗi giây, tức một khung mỗi 133 mili giây. Những khung đó được chiếu vào xương sống mô hình ngôn ngữ Qwen2.5, và giọng nói đầu vào cùng văn bản được tạo ra được xen kẽ thành một chuỗi duy nhất, với giọng nói và văn bản đã quan sát trước đó được giữ lại trong ngữ cảnh của mô hình. Hệ quả là danh tính người nói không bao giờ là một vấn đề riêng: mô hình không phiên âm rồi sau đó quyết định ai đã nói, mà nó đang tạo văn bản được điều kiện hóa trên lịch sử âm thanh vẫn còn chứa các giọng nói. Đó là lý do vì sao không có giai đoạn diarization nào để căn chỉnh, và vì sao tuyên bố của Microsoft về việc gán người nói trên 12 trong số 13 thiết lập là đáng tin cậy về mặt kiến trúc chứ không phải một kết quả gắn thêm.

Chi phí của thiết kế đó là việc lưu giữ lịch sử tăng tuyến tính theo độ dài bản ghi, đó là lý do các checkpoint được phát hành chỉ nhắm đến các bản ghi dài tối đa tám phút. Đó là một giới hạn thực sự và nó được nêu rõ ràng. Nó loại mô hình này ra khỏi các công việc dạng dài — một cuộc gọi công bố kết quả kinh doanh kéo dài hai giờ, âm thanh của cả một ngày ở trung tâm liên hệ — trừ khi bạn tự xây dựng phân đoạn và khởi tạo lại, việc này đưa trở lại đúng sự phức tạp mà kiến trúc này được thiết kế để loại bỏ.

Grok Voice Transcribe 2.0 giải quyết cùng một vấn đề theo cách khác và với một bộ giới hạn khác. Nó bao gồm tính năng phân tách người nói mà không tốn thêm chi phí và hỗ trợ tối đa tám kênh âm thanh độc lập trong một yêu cầu duy nhất. Đối với điện thoại trung tâm liên hệ, nơi mỗi người tham gia thường xuất hiện trên kênh riêng của mình, việc tách kênh đáng tin cậy hơn phân tách người nói và không gắn với tỷ lệ lỗi nào. Với âm thanh trộn, điều đó phụ thuộc vào chất lượng của việc phân tách người nói, và không giống như Muse Voice Transcribe của Meta — vốn đã công bố tỷ lệ lỗi phân tách người nói trung bình là 17,5% — SpaceXAI thậm chí chưa công bố một con số nào về phân tách người nói. Vì vậy, cả hai mô hình đều để lại một khoảng trống trong bằng chứng về phân tách người nói: một mô hình công bố thứ hạng mà không có giá trị, mô hình kia công bố danh sách tính năng mà không có phép đo.

Mười tám gigabyte, mười ngôn ngữ, MIT

Các dữ kiện triển khai khác biệt đến mức gần như không thể so sánh. VibeVoice ASR Streaming 7B có trọng số bf16 khoảng 18 GB — thẻ Hugging Face liệt kê tổng cộng 9B tham số cho checkpoint mang tên 7B, cùng một phiên bản cùng dòng 1.5B nặng khoảng 5.6 GB — được cấp phép MIT, với các bản demo Python và một plugin vLLM để phục vụ. Mười ngôn ngữ: tiếng Trung, tiếng Anh, tiếng Pháp, tiếng Đức, tiếng Ý, tiếng Nhật, tiếng Hàn, tiếng Bồ Đào Nha, tiếng Nga và tiếng Tây Ban Nha. Microsoft định vị nó cho nghiên cứu và phát triển.

Grok Voice Transcribe 2.0 là một endpoint được quản lý, không có trọng số nào phải tải xuống, hỗ trợ 12 định dạng đầu vào từ âm thanh điện thoại 8 kHz đến 48 kHz, tối đa tám kênh, 100 thuật ngữ khóa mỗi yêu cầu, tự động phát hiện ngôn ngữ với khả năng chuyển đổi ngay trong lúc ghi âm, chuẩn hóa văn bản nghịch đảo trên 25 ngôn ngữ, tệp lên đến 500 MB, và giới hạn dịch vụ là 10 yêu cầu mỗi giây cùng 100 phiên streaming đồng thời mỗi nhóm. Dịch vụ chạy tại us-east-1 và chỉ us-east-1.

• Trọng số — MIT, 18 GB, thuộc về bạn để chạy ở bất cứ đâu so với không có, chỉ do nhà cung cấp lưu trữ

• Ngôn ngữ — 10 ngôn ngữ được đặt tên so với tự động phát hiện với hỗ trợ định dạng trên 25

• Thiên lệch theo thuật ngữ khóa — được hỗ trợ qua hotwords so với tối đa 100 thuật ngữ khóa mỗi yêu cầu

• Thời lượng ghi — khoảng tám phút mỗi checkpoint trước khi việc lưu giữ lịch sử trở thành ràng buộc so với không có mức trần được công bố, tệp lên đến 500 MB

• Kiểm soát vùng — bất kể bạn triển khai trên nền tảng nào so với us-east-1

• Chi phí — không có phí cấp phép, cộng thêm 18 GB bộ nhớ GPU và một ngăn xếp phục vụ, so với $0.10 mỗi giờ xử lý theo lô và $0.20 mỗi giờ truyền phát

Một mô hình 18 GB không phải là thứ bạn chạy trên máy tính xách tay, và plugin vLLM có nghĩa là cần một GPU với bộ nhớ thực. Ngược lại, giấy phép MIT cho một mô hình có kích thước như vậy là điều bất thường và có giá trị: đây là mô hình duy nhất trong hai mô hình mà bạn có thể chạy trong mạng riêng của mình mà hoàn toàn không có mối quan hệ với nhà cung cấp nào, điều mà đối với âm thanh được quản lý thì không phải là sở thích mà là yêu cầu bắt buộc. Giải pháp thay thế được quản lý thì rẻ theo giờ và không thể triển khai tại chỗ.

Nơi quyết định định tuyến thuộc về

Chi phí là điểm mà hai mô hình cuối cùng trở nên có thể so sánh theo cách tạo ra một con số. Đường xử lý theo lô của Grok Voice Transcribe 2.0 tốn $0.10 mỗi giờ âm thanh, khoảng $1.67 cho mỗi 1.000 phút, và đường phát trực tuyến của nó là $0.20, khoảng $3.33. VibeVoice ASR Streaming 7B không tốn chi phí giấy phép nào cả; thay vào đó, nó có khoảng 18 GB bộ nhớ GPU thường trú và một ngăn xếp phục vụ vLLM do bạn vận hành. Một mô hình thuộc lớp 7B ở kích cỡ đó sẽ không hề rẻ tính theo mỗi giờ âm thanh trên phần cứng thuê, và đường cong tận dụng thì không khoan nhượng — một GPU được giữ ấm cho lưu lượng đỉnh tốn cùng một chi phí dù nó đang phiên âm hay đang nhàn rỗi.

Đó là hình hài thường thấy của lập luận tự xây dựng so với mua sẵn, và nó được giải quyết theo những cách khác nhau tùy vào khối lượng và tùy vào việc âm thanh có được phép rời khỏi mạng của bạn hay không. Điều đã thay đổi trong tháng vừa qua là đáp án dịch chuyển nhanh đến mức nào: đơn vị dẫn đầu về độ chính xác trong truyền phát đã đổi ngôi hai lần trong ba tuần, và một mô hình phát hành vào đầu tháng Chín đã bị thay thế vào giữa tháng Chín. Bất kỳ kiến trúc nào khiến cho việc lựa chọn mô hình trở nên tốn kém khi phải đảo ngược giờ đây là kiến trúc sai cho hạng mục này.

OrcaRouter là nơi sự đảo ngược đó trở nên rẻ. Một khóa tương thích OpenAI bao phủ hơn 200 mô hình với tính năng chuyển đổi dự phòng tự động giữa các nhà cung cấp, vì vậy việc một endpoint được quản lý ở một vùng duy nhất gặp lỗi chỉ là một sự kiện định tuyến thay vì sự cố ngừng dịch vụ, và giá niêm yết của nhà cung cấp được chuyển qua với mức markup 0% — nghĩa là một thay đổi giá từ nhà cung cấp hoặc một checkpoint mới sẽ hoạt động ở phía chúng tôi ngay trong cùng ngày. Đối với một nhóm muốn kiểm thử VibeVoice với Grok Voice Transcribe 2.0 trên âm thanh của chính họ, hoặc muốn giữ một phương án dự phòng tự lưu trữ đằng sau cùng một giao diện như dịch vụ chính được quản lý, điểm gọi không còn là thứ phải thay đổi nữa.

Phán quyết thẳng thắn: VibeVoice ASR Streaming 7B là mô hình thú vị hơn, còn Grok Voice Transcribe 2.0 là sản phẩm dễ dùng hơn, và khoảng cách giữa hai nhận định đó hoàn toàn được giải thích bởi việc một nhà cung cấp công bố biểu đồ còn nhà kia công bố số liệu. Nếu yêu cầu của bạn là phiên âm có gán nhãn người nói, chạy tại chỗ (on-premises), cho các cuộc họp dưới tám phút, thì checkpoint của Microsoft là cái duy nhất trong hai cái đáp ứng được. Nếu yêu cầu của bạn là một tác nhân thoại trả lời trong khoảng nghỉ hội thoại, thì nhịp chia khối 2,9 giây sẽ loại nó ra trước cả khi người ta bàn đến độ chính xác. Và nếu bạn đang chờ phép so sánh có thể phân định được điều đó — cùng một đoạn âm thanh chạy qua cả hai mô hình, được chấm điểm bởi người không làm việc cho công ty nào trong hai công ty — thì phép đo đó vẫn chưa tồn tại, một điều đáng nhớ vào lần tới khi một bảng biểu đặt một con số bên cạnh tên VibeVoice.