So sánh

Summo so với Granola, Humla, Otter.ai và Fireflies — kể cả những dòng chúng tôi không thắng. Kèm số đo thật: 2.4% WER tiếng Việt, 9× nhanh hơn thời gian thực, và lệnh để bạn tự chạy lại.

So với những app cùng loại

Không phải bảng nào cũng công bằng, nên bảng này chỉ ghi những thứ kiểm chứng được từ trang của chính họ — và ghi cả những dòng chúng tôi không thắng.

	Summo	Granola	Humla	Otter.ai	Fireflies
Audio rời khỏi máy	Không bao giờ	Có — gửi tới Deepgram/Assembly	Không, nếu chạy model cục bộ	Có	Có
Chạy khi mất mạng	Có	Không	Có	Không	Không
Bot vào phòng họp	Không cần	Không cần	Không cần	Có	Có
Giới hạn phút/tháng	Không	Có, ở bản miễn phí	Không	Có	Có
Dữ liệu của bạn	File Markdown	AWS Mỹ của họ	SQLite trên máy bạn	Trên server họ	Trên server họ
Mã nguồn mở	AGPL-3.0	Không	MIT	Không	Không
Có bản Linux	Có	Không	Không	Không	Không
Giá	Miễn phí	$14/người	Miễn phí · cloud $5	$16.99/người	$18/người

Hai cột giữa là hai app cùng kiểu với Summo, không phải dịch vụ đám mây — thêm vào vì đó mới là thứ bạn thật sự đang cân nhắc, và vì có những dòng chúng tôi không thắng. Granola cũng không cần bot, và Humla cũng là mã nguồn mở. Nguồn: trang giá và trang bảo mật của Granola ("best-in-class transcription providers (like Deepgram and Assembly)", "Notes are stored in our US-hosted AWS Virtual Private Cloud"), README và file LICENSE của Humla. Giá Otter và Fireflies là gói trả phí thấp nhất, tính theo tháng, tại thời điểm viết.

Model như `ollama pull`

Không có "gói cơ bản" hay "gói cao cấp". Mỗi model là một manifest độc lập ghi rõ dung lượng, RAM cần, tốc độ đo được trên từng loại CPU, ngôn ngữ hỗ trợ và giấy phép. Summo đo máy bạn rồi gợi ý model hợp — bạn vẫn chọn được cái khác.

Tiếng Việt, tiếng Anh, và 97 ngôn ngữ khác

Transducer chuyên tiếng Việt cho tốc độ và độ chính xác cao nhất; Whisper cho mọi ngôn ngữ còn lại và cho câu trộn Việt–Anh. Đổi model giữa buổi ghi không mất transcript.

Registry mở, không khoá vào chúng tôi

Manifest là file JSON tĩnh trong một kho công khai. Nếu CDN của Summo biến mất, app tự chuyển sang GitHub rồi tới nguồn gốc trên HuggingFace. Bạn tự host registry riêng cũng được.

Techainer/summo-registry

Số đo thật, không phải lời hứa

Mỗi mốc dưới đây đều có lệnh để chạy lại, không phải một dòng marketing nghe hợp lý. Đo trên máy nào ghi trong ngoặc — bạn chạy lại được.

summo — đang ghi · 12:04

rtf 0.11 · 9× realtime · ram 312 MB · gipformer-65m · offline

2.4%: WER tiếng Việt (Fleurs VI); summo-bench asr
9×: nhanh hơn thời gian thực; summo-bench asr
0.94: F1 phát hiện giọng nói; summo-bench vad
30ms: tìm kiếm 1.000 buổi họp; summo-bench vault

Nhận dạng — gipformer-65M, 4 luồng

Bộ dữ liệu	WER	CER	RTF	Ghi chú
Fleurs VI (15 clip, 146s)	2.4%	1.7%	0.024	giọng đọc
Ghi âm họp thật (34s)	—	—	0.107	gồm cả re-decode để hiện chữ live

RTF 0.107 đã bao gồm việc giải mã lại câu đang nói khoảng mười lần mỗi câu để chữ chạy theo người nói. Giải mã một lần chỉ tốn 0.012 — nghĩa là chín phần mười ngân sách đó dùng để mua chữ hiện ngay, và vẫn còn dư 9× công suất.

Lưu trữ — có cần database không?

Số buổi họp	Dung lượng	Tìm kiếm (8 luồng)	Liệt kê thư viện	Kích thước index
100	7 MB	4 ms	1 ms	8 MB
1.000	65 MB	30 ms	5 ms	80 MB
5.000	327 MB	140 ms	26 ms	402 MB

Kết luận: không cần database. 5.000 buổi họp là 327 MB Markdown và tìm được trong 140 ms — nhanh hơn cái ngưỡng 200 ms mà mắt người bắt đầu thấy là chậm.

Chưa có lời khen, chỉ có bằng chứng

Summo vừa mở mã nguồn và chưa có người dùng nào để trích lời. Bịa vài câu khen là việc dễ, và là việc một phần mềm về quyền riêng tư không được phép làm: không thể mở đầu bằng một người không có thật rồi nói với bạn rằng chúng tôi không nói dối về nơi lời bạn nói đi tới. Nên đây là những thứ bạn kiểm chứng được.

“BẠN SẼ DỄ DÀNG HỌC TIẾNG BỒ ĐÀO NHA”

Câu mà bản kiểm thử đọc ra được từ chính đoạn ghi âm nó vừa tạo — nguyên văn, không sửa.

Một câu tiếng Việt, ghi bằng micro thật

Không phải file mẫu: máy chạy kiểm thử tự phát ra tiếng, tự thu, rồi tự đọc lại. Mô hình whisper-tiny, chạy trên máy CI, không có mạng.

pnpm -C apps/web e2e:full-flow

1.340 kiểm thử Rust, 384 kiểm thử giao diện

Cộng 22 kịch bản chạy trên trình duyệt thật với một daemon thật và một kho thật, mỗi lần push. Không có kịch bản nào chỉ kiểm tra rằng code biên dịch được.

cargo test --workspace && pnpm -C apps/web e2e

Bản đóng gói được mở lên trước khi phát hành

AppImage được khởi động dưới Xvfb trong CI, kiểm tra daemon lên, giao diện được phục vụ, và tiến trình còn sống sau 5 giây. Bản Android được cài vào máy ảo rồi mở ra.

scripts/smoke-desktop.sh · scripts/android-smoke.sh