The Cheapest Speech-to-Text API Can Be the Most Expensive

Build a Fully Local Voice Assistant With Whisper and Ollama

Xây dựng trợ lý giọng nói hoàn toàn cục bộ bằng Whisper (để nhận dạng giọng nói) và Ollama (để xử lý ngôn ngữ) thay vì phụ thuộc vào máy chủ của bên thứ ba.

Nếu bạn muốn tự tạo một hệ thống trợ lý giọng nói hoàn toàn tự chủ, không phụ thuộc vào các nền tảng trung gian và bảo vệ dữ liệu nói chuyện của riêng mình, bài này sẽ hướng dẫn cách xây dựng một giải pháp hiệu quả với Ollama và Whisper.

Agent Draw: An agent draws while you talk, built on TLDraw

Agent Draw là công cụ hoạt động trên tldraw Agent starter kit, cho phép AI agent vẽ trên canvas vô hạn khi bạn nói. Bạn kéo vùng chọn, mô tả yêu cầu bằng giọng nói, và agent sẽ render bằng tldraw primitives hoặc bút vẽ. Bài viết chi tiết cách triển khai: StateNode tùy chỉnh, pipeline audio MediaRecorder, transcription qua Mistral Voxtral (Cloudflare Worker), hàng đợi FIFO xử lý yêu cầu vẽ đồng thời, và kỹ thuật prompt ngăn model xuất text thay vì vẽ. Tối ưu hiệu suất bằng cách loại bỏ hai action (setMyView, review), giảm 50% round-trip. So sánh khả năng, claude-opus-4.8 tạo tác phẩm phong phú hơn claude-haiku-4.5 hay gemini-2.5-flash-lite.

Những người lập trình viên muốn phát triển ứng dụng AI tích hợp giao diện đồ họa trực quan, đặc biệt là các ứng dụng tương tác âm thanh-video, nên đọc bài này để hiểu cách xây dựng pipeline hiệu quả từ nhận dạng âm thanh, xử lý đa nhiệm và tối ưu hóa giao tiếp giữa AI với người dùng thông qua các công cụ như tldraw.

How I Made My Own Offline Voice Assistant

How I Made My Own Offline Voice Assistant Humans love to talk. We talk to our friends, family and coworkers every day. Sometimes we even talk to AI assistants — maybe to get a quick fact, or when …

MLA-Whisper across 11 languages, and what the compression actually costs

MLA-Whisper across 11 languages, and what the compression actually costs The Whisper-MLA paper compressed the decoder’s KV cache in English and released no models. I extended it to 11 languages and …

Apple’s 12GB Siri AI Dictation Wall Is Not a Law of Physics

Apple giới thiệu tính năng "dictation nâng cao" sử dụng mô hình AI cỡ 12GB, nhưng dung lượng này không phải giới hạn vật lý mà nhằm thúc đẩy nâng cấp phần cứng.

Bài viết giải thích cách Apple tối ưu hóa bộ nhớ AI trong Siri, giúp hiểu rõ cách các mô hình lớn quản lý dữ liệu và cách các công ty áp dụng các kỹ thuật như local refinement để giảm chi phí mà vẫn nâng cao hiệu suất, giúp lập trình viên hiểu sâu về kiến trúc AI hiện đại và cách tối ưu hóa ứng dụng của mình hiệu quả.

I’m Building My Own AI Voice Assistant. Here’s What’s Happened So Far.

I’m Building My Own AI Voice Assistant. Here’s What’s Happened So Far. I didn’t plan to write about this one. Same as the ML series, actually; I just started building something and figured …

AI Gateway now supports streaming transcription

AI Gateway now supports streaming transcription. Stream live audio and get transcript updates back as they're produced, using the AI SDK's streamTranscribe.

transcribe.cpp

Một nơi để thử nghiệm công nghệ một cách dễ dàng và thú vị.

Lập trình viên nên đọc bài này để khám phá cách kết hợp mã nguồn đơn giản với công nghệ hiện đại để tạo ra các giải pháp thực tế, từ đó mở rộng kiến thức về cách ứng dụng logic lập trình trong các dự án thực tế.