# CHO CLAUDE ĐỌC: Bước 8. Ghi âm → Chữ

> Tài liệu này viết cho Claude Code của học viên. Người học chỉ cần dán câu lệnh bên dưới vào Claude, Claude đọc file này rồi làm.
> Thuộc hệ thống triển khai AI 20 bước của Trương Minh Kiên. Trang bước này: https://trienkhaighiam.truongminhkien.vn

## Việc cần làm

Điện thoại bấm ghi, máy tính tự bóc thành văn bản. Họp, dạy, ý tưởng thành chữ để nạp vào bộ não.

Câu lệnh học viên dán vào Claude:

```
Tải gói https://trienkhaighiam.truongminhkien.vn/ghi-am-boc-chu.zip, giải nén, đọc CHO-CLAUDE-DOC.md rồi cài bộ Ghi âm → Chữ cho tôi, làm mã QR để tôi mở trên điện thoại
```

## Luật khi làm

1. Đọc hết file này, kể cả phần bẫy, trước khi chạy lệnh nào.
2. Việc cần mật khẩu, mã OTP, token hay thanh toán thì dừng lại để học viên tự làm, không nhập hộ.
3. Không xoá dữ liệu, bản ghi DNS hay file cũ của học viên. Chỉ thêm.
4. Khoá bí mật chỉ nằm trong `.env` (đã có trong `.gitignore`), không ghi vào mã, wiki hay kết quả.
5. Xong mỗi bước thì kiểm tra thật (chạy thử, đọc lại) rồi mới báo xong.
6. Gói này chạy trên máy của học viên, không phải máy người soạn. Mọi đường dẫn tính từ thư mục giải nén hoặc thư mục vault của học viên; hỏi học viên nếu cần. Skill nào nhắc tới file `output/...` hay trang `wiki/...` mà vault học viên chưa có thì đó chỉ là nguồn tham khảo của người soạn: bỏ qua, dùng nội dung ngay trong skill. Riêng `wiki/concepts/bo-mau-thuong-hieu.md`: nếu chưa có, chép từ `mau/bo-mau-thuong-hieu.md` trong gói rồi hỏi học viên để điền.

## Skill trong gói

- `lark-minutes`
- `text-chunk-generic`

Cách cài skill: chép từng thư mục trong `.claude/skills/` của gói vào `.claude/skills/` của vault Obsidian (bước 1). Tên thư mục phải trùng tên skill, file chính tên `SKILL.md`.

## Cách cài đặt từng bước (làm theo thứ tự)

### Cho Claude đọc trước khi cài — bộ "Ghi âm → Chữ" (bản chuyển giao 23/09/2026)

Bạn đang cài cho **một chủ doanh nghiệp không rành kỹ thuật**. Người dùng chỉ làm ba việc: trả lời ba câu hỏi, bấm Authorize trên
Cloudflare, quét QR. Mọi việc khác là của bạn. Nói tiếng Việt, ngắn, không thuật ngữ khi không cần.

## Bộ này là gì

iPhone thu tiếng → gửi từng khúc 5 giây qua Cloudflare Tunnel về máy tính Windows của người dùng → `server.py` bóc chữ **offline**
bằng faster-whisper `large-v3` (GPU NVIDIA nếu có, không thì CPU) → ba tệp `.md/.txt/.m4a` rơi vào thư mục người dùng chọn. Bản ghi
>20 phút tự cắt thành phần ~15 phút (`chia_nho.py`). Cổng khoá: yêu cầu đi qua đường hầm phải mang `?khoa=`; từ chính máy tính
(`127.0.0.1:5190`) không cần.

```
cai-dat.ps1        bộ cài 6 bước, không cần Admin
tao-qr.py          sinh trang QR có link + chìa khoá cho iPhone
app/               server.py · chia_nho.py · public/ · cau-hinh.mau.json · sua-tu.txt · MO-PHAN-MEM.cmd · TAT-PHAN-MEM.cmd · TU-BAT-KHI-MO-MAY.cmd · DOC-TOI-TRUOC.md
huong-dan/         huong-dan-iphone.md (đưa người dùng đọc) · cai-bay-da-tra-gia.md (22 bẫy — đọc trước khi chẩn lỗi)
```

## Trình tự

1. **Hỏi ba câu, mỗi câu một dòng:** (a) tệp chữ rơi vào thư mục nào — gợi ý `C:\GHI-AM-BOC-CHU\ra` hoặc thư mục ghi chú của họ;
   (b) tên miền con muốn dùng — gợi ý `ghiam.<tên-miền-của-họ>`; (c) tên miền đó nằm trong tài khoản Cloudflare nào (email đăng nhập).
   Chưa có tên miền trong Cloudflare → cài **không đường hầm** (bỏ `-TenMien`), vẫn dùng được trên máy tính; nối iPhone sau.
2. **Kiểm tra máy:** `python --version` (cần 3.10+; chưa có → hướng dẫn cài từ python.org, tick *Add to PATH*), `nvidia-smi` (có card
   thì tốt, không có vẫn đi tiếp).
3. **Chạy bộ cài** (PowerShell, không Admin):
   ```
   powershell -ExecutionPolicy Bypass -File cai-dat.ps1 -ThuMucCai "C:\GHI-AM-BOC-CHU" -ThuMucRa "<thư mục họ chọn>" -TenMien "ghiam.<tên miền>"
   ```
   Bước 6 mở trình duyệt → **người dùng phải bấm**: đăng nhập Cloudflare → chọn đúng tên miền → Authorize. Nếu `cloudflared tunnel
   login` in link mà trình duyệt không mở, đưa link cho họ. Đọc kỹ dòng `Added CNAME …` sau đó (bẫy 12).
4. **Mở phần mềm:** bấm đúp `C:\GHI-AM-BOC-CHU\MO-PHAN-MEM.cmd` (hoặc chạy hộ). Lần đầu tải model ~3 GB, 5–10 phút. Cửa sổ đen in
   link `https://<tên miền>/dt?khoa=…`.
5. **QR:** `python tao-qr.py C:\GHI-AM-BOC-CHU` → trang `C:\GHI-AM-BOC-CHU\tam\MO-TREN-IPHONE.html` mở lên → người dùng quét bằng
   Camera iPhone → Safari → Chia sẻ → Thêm vào MH chính. Chi tiết `huong-dan/huong-dan-iphone.md`.
6. **Tự bật khi mở máy:** người dùng bấm đúp `TU-BAT-KHI-MO-MAY.cmd` (tạo tác vụ Task Scheduler lúc đăng nhập). Nếu bạn được phép
   tạo tác vụ, dùng `Register-ScheduledTask` với `-LogonType Interactive`.
7. **Nghiệm thu — thiếu một là chưa xong:** (a) `curl -o NUL -w "%{http_code}" https://<tên miền>/dt` → 403, thêm `?khoa=` → 200;
   (b) người dùng bấm nút đỏ nói 30 giây có tên riêng → ba tệp xuất hiện trong thư mục ra, `.md` có mốc `[phút:giây]`.

## Bẫy đã trả giá — thêm vào 22 bẫy trong `huong-dan/cai-bay-da-tra-gia.md`

23. **`cau-hinh.mau.json` bản cũ có `\` chưa thoát** làm PowerShell `ConvertFrom-Json` đổ ở bước 4. Bản trong gói này đã dùng `/`.
    Nếu vẫn lỗi: viết `cau-hinh.json` bằng tay (mẫu ở dưới) rồi chạy tiếp từ bước 5.
24. **ffmpeg vừa cài bằng winget nhưng PATH của phiên cũ chưa nhận** → server báo `FileNotFoundError [WinError 2]` khi bóc chữ, bản
    ghi vẫn được giữ trong `tam\`. Bộ cài này đã tự nạp lại PATH; nếu server vẫn không thấy ffmpeg: mở lại PowerShell rồi mở lại phần
    mềm, bấm *Bóc chữ lại* trong trang trên máy tính.
25. **Cloudflare: người dùng bấm Authorize ở trang của phiên cũ.** Mỗi lần chạy `tunnel login` sinh một link mới; link cũ bấm không tới.
    Chỉ đưa một link, và kiểm `%USERPROFILE%\.cloudflared\cert.pem` xuất hiện là xong.
26. **Tên đường hầm `ghi-am` đã tồn tại** (máy cũ của họ hoặc cài lại): `cloudflared tunnel list` thấy → `cloudflared tunnel cleanup ghi-am`
    rồi `cloudflared tunnel delete -f ghi-am`, tạo lại; `route dns` thêm `--overwrite-dns` nếu CNAME đã có.
27. **Hai tiến trình `server.py` chạy song song** sau khi mở lại mà chưa tắt bản cũ → cổng 5190 do bản cũ giữ, bản mới không nhận cấu
    hình mới. Tắt bằng `TAT-PHAN-MEM.cmd` hoặc `Stop-Process` theo dòng lệnh có `server.py` (đừng giết `python` khác).
28. **Khoá cache/PATH của tool sandbox:** nếu bạn chạy trong môi trường có sandbox (Claude Code trên Windows), token/registry ghi từ
    sandbox có thể không tới Task Scheduler. Bộ này không cần token nào ngoài Cloudflare (tệp), nên không vướng — nhưng nếu tạo tác vụ
    tự bật thì kiểm bằng cách khởi động lại máy một lần.

Mẫu `cau-hinh.json` viết tay khi cần (đường dẫn dùng `/` hoặc `\\`):

```json
{"cong":5190,"model":"large-v3","ngon_ngu":"vi","thu_muc_ra":"C:/GHI-AM-BOC-CHU/ra","thu_muc_wiki":"","kieu_tinh":"float16","khoang_lang_tach_doan":1.2,"chia_nho_tu_phut":20,"chia_nho_phut":15,"ten_mien":"ghiam.tenmien.vn","khoa":""}
```
`khoa` để trống — server tự sinh lần đầu và ghi lại.

## Sau khi cài — dạy người dùng ba câu

1. Ghi ngắn: bấm nút đỏ trên app. Ghi dài: app Ghi âm của Apple rồi *Gửi file ghi âm có sẵn*.
2. Muốn tóm lược: đưa tệp `.md` cho bạn, nói *"tóm lược theo bốn mục: ý chính · câu đáng nhớ · con số · 5 việc làm ngay"*.
3. Tên riêng sai: thêm dòng vào `sua-tu.txt`. **Không** mớm từ vựng cho Whisper qua `hotwords`/`initial_prompt` — đã đo, mất hơn nửa
   nội dung (bẫy 1).

Không đụng vào bộ lọc câu bịa (bẫy 3, 21) và `condition_on_previous_text=False` (bẫy 4) — chúng là kết quả đo thật.


## Hướng dẫn chi tiết và các bẫy đã gặp

(Bản đầy đủ có hình và nút bấm: https://trienkhaighiam.truongminhkien.vn)

**Tình trạng bước này:** công cụ bóc tiếng (faster-whisper) nằm trong bộ skill trích nội dung video đã có sẵn trong hệ thống của Kiên; các bẫy bên dưới được ghi lại từ skill đó và từ hướng dẫn của Trương Minh Kiên, **chưa phải bẫy phát sinh trên máy của Kiên**. Đoạn mã mẫu là bản rút gọn của script bóc tiếng trong skill.

Yêu cầu trước khi bắt đầu

- Đã xong [Bước 2: Cài Claude AI](https://trienkhaiclaude.truongminhkien.vn/)
- Python 3.10 trở lên và khoảng 2-3 GB trống cho model (lần đầu tự tải)
- File ghi âm hoặc video cần bóc (mp3, m4a, mp4...)

## Các bước

1

### Cài công cụ bóc tiếng

Claude AI chạy giúp: `python -m pip install faster-whisper`. Công cụ này chạy hoàn toàn trên máy bạn, không gửi file đi đâu (chỉ lần đầu tự tải model về từ mạng).

2

### Bóc tiếng ra chữ có mốc thời gian

Đoạn mã mẫu dưới đây bóc 1 file ghi âm hoặc video ra 2 file: `.srt` (phụ đề) và `.txt` (chữ kèm mốc). Mặc định chạy trên CPU, model `medium`:

\# boc-tieng.py — bóc tiếng ra .srt và .txt có mốc thời gian, chạy hoàn toàn trên máy\
\# Dùng: python boc-tieng.py \<file\> \[model\] \[ngôn-ngữ\]      ví dụ: python boc-tieng.py buoi-hoc.mp4 medium vi\
import sys\
from pathlib import Path\
from faster_whisper import WhisperModel\
\
def moc(giay):\
    ms = int(round(giay \* 1000)); h, ms = divmod(ms, 3_600_000); m, ms = divmod(ms, 60_000); s, ms = divmod(ms, 1000)\
    return f"{h:02d}:{m:02d}:{s:02d},{ms:03d}"\
\
f = Path(sys.argv\[1\]); model = sys.argv\[2\] if len(sys.argv) \> 2 else "medium"; ngu = sys.argv\[3\] if len(sys.argv) \> 3 else "vi"\
wm = WhisperModel(model, device="cpu", compute_type="int8")\
doan, info = wm.transcribe(str(f), language=ngu, vad_filter=True, beam_size=5,\
                           condition_on_previous_text=False)   # tắt để chữ không bị gom thành câu dài, lệch mốc\
doan = list(doan)\
with f.with_suffix(f".{ngu}.srt").open("w", encoding="utf-8") as a, f.with_suffix(f".{ngu}.txt").open("w", encoding="utf-8") as b:\
    for i, d in enumerate(doan, 1):\
        a.write(f"{i}\n{moc(d.start)} --\> {moc(d.end)}\n{d.text.strip()}\n\n")\
        b.write(f"\[{moc(d.start)}\] {d.text.strip()}\n")\
print("XONG:", len(doan), "đoạn /", round(info.duration), "giây")

**Không gọi ffmpeg từ Python.** faster-whisper tự giải mã mp4, m4a, mp3 bằng PyAV — cứ đưa đường dẫn file vào (xem bẫy 1).

3

### Chọn model và ngôn ngữ

Thử `medium` trước; thấy nhiều lỗi mới đổi sang `large-v3` (nét hơn nhưng phải tải khoảng 3 GB — **hỏi bạn trước khi tải**). Ngôn ngữ đặt bằng mã: `vi`, `en`, `zh`, `ja`, `ko`...

4

### Rà lỗi nghe nhầm — bước này không được bỏ

Máy nghe nhầm những chỗ đồng âm, tên riêng, tên thương hiệu, thuật ngữ, con số, từ tiếng Anh xen giữa câu. Claude AI đọc trọn file chữ, sửa chỗ chắc chắn, và **ghi rõ chỗ không chắc** thay vì đoán rồi trình bày như nguyên văn. Cuối file luôn có khối liệt kê "đã sửa" và "còn nghi ngờ", để bạn biết đâu là chữ máy, đâu là chữ đã chỉnh.

5

### Dùng chữ để làm gì

Biên bản buổi họp, tóm tắt buổi học, bài viết (sang [Bước 13](https://trienkhaicontent.truongminhkien.vn/)), hoặc thả vào `raw/` của Bộ Não Thứ 2 để AI nạp vào wiki ([Bước 1](https://trienkhaiobsidian.truongminhkien.vn/)). Nếu buổi họp đã diễn ra trong Lark Video Meeting thì Lark Minutes có sẵn bản chữ, không cần bóc lại.

Câu lệnh — dán vào Claude AI

Sao chép

Cài faster-whisper nếu máy chưa có. Bóc tiếng file \[đường dẫn file\] (ngôn ngữ \[vi\]) ra 2 file .srt và .txt có mốc thời gian, dùng model medium chạy CPU. Sau đó đọc lại toàn bộ chữ, rà lỗi nghe nhầm (tên riêng, thuật ngữ, con số, từ tiếng Anh xen giữa), sửa chỗ chắc chắn, ghi rõ chỗ không chắc, và cuối file liệt kê chỗ đã sửa. Cuối cùng tóm tắt thành biên bản gọn. Không gọi ffmpeg từ Python. Nếu báo thiếu bộ nhớ thì bảo tôi đóng bớt phần mềm, đừng tự tắt phần mềm của tôi. Hỏi tôi trước khi tải model lớn hơn 1 GB. Ngôn ngữ: tiếng Việt.

## ⚠ Bẫy đã gặp + cách gỡ

1\. `FileNotFoundError [WinError 2]` khi Python gọi ffmpeg

ffmpeg có trong PATH của PowerShell nhưng **không** có trong PATH mà Python nhìn thấy.

**Cách gỡ:** đừng gọi ffmpeg từ Python. faster-whisper tự giải mã bằng PyAV.

2\. `mkl_malloc: failed to allocate memory` ngay lúc nạp model

Đây là hết bộ nhớ ảo (commit), không phải lỗi code. Xảy ra khi Chrome, CapCut và các phần mềm nặng chạy cùng lúc; ép ít nhân CPU hơn hay dùng model nhỏ hơn cũng không cứu được.

**Cách gỡ:** đóng bớt phần mềm hoặc khởi động lại máy; không để AI tự tắt phần mềm của bạn. Trong lúc chờ vẫn tải file về trước được vì tải không tốn bộ nhớ.

3\. Chữ ra thành câu dài lê thê, mốc thời gian lệch

Whisper mặc định nhớ ngữ cảnh giữa các đoạn nên gom và rải đều chữ.

**Cách gỡ:** đặt `condition_on_previous_text=False` (đã có trong đoạn mã mẫu).

4\. Chữ nghe có vẻ trôi chảy nhưng sai ở tên riêng và con số

Máy chọn từ đồng âm hợp mạch nhất, không phải từ đúng nhất.

**Cách gỡ:** bước 4 (rà lỗi) là bắt buộc, kèm khối "đã sửa / còn nghi ngờ" ở cuối file. Không tin nguyên bản máy cho tên người, tên thương hiệu, số tiền.

5\. Chạy trên GPU báo thành công nhưng không ra chữ

Theo hướng dẫn Lam Khuê của Trương Minh Kiên: thiếu thư viện GPU (cuBLAS, cuDNN) làm Whisper thất bại âm thầm. Chỉ liên quan khi bạn chuyển sang GPU; đoạn mã mẫu dùng CPU nên tránh được.

**Cách gỡ:** nếu cần GPU, cài đủ thư viện CUDA tương ứng rồi thử với 1 file ngắn trước.

Bước tiếp theo

Đã xong phần cài nền (8 bước). Sang phần hồ sơ và sản phẩm: bắt đầu từ chiến lược — hiểu đúng khách hàng trước khi làm bất cứ nội dung hay quảng cáo nào.

[Sang bước 9: Chiến lược & Nghiên cứu →](https://trienkhaichienluoc.truongminhkien.vn/)

