Hướng dẫn

Cách dịch bất kỳ video nào bạn xem trên iPhone thành phụ đề

Không có cài đặt nào trong iOS cho việc này. Thứ bạn cần là một ứng dụng nghe âm thanh mà iPhone của bạn đang phát, rồi hiện bản dịch nổi lên trên bất cứ thứ gì bạn đang xem — để phụ đề xuất hiện ngay trên video, trong chính ứng dụng bạn đang dùng. Hono Subtitles làm được điều đó. Thiết lập chỉ mất bốn lần chạm, cần có iOS 26 trở lên, và cả nhận diện lẫn dịch thuật đều chạy trên máy.

Cần làm gì

1. Mở thứ bạn muốn xem và để nó phát.
2. Mở Hono Subtitles. Chọn ngôn ngữ đang được nói và ngôn ngữ bạn đọc.
3. Chạm Bắt đầu chia sẻ âm thanh. Một bảng của iOS hiện ra — xác nhận việc chia sẻ.
4. Chạm Mở cửa sổ phụ đề, rồi vuốt quay lại thứ bạn đang xem. Cửa sổ vẫn nằm trên cùng, và các dòng dịch xuất hiện ngay khi có người nói.

Đó là toàn bộ quy trình. Thứ tự của hai bước cuối rất quan trọng: việc chia sẻ âm thanh phải tồn tại trước thì mới có gì để dịch, nên cửa sổ chưa có gì để hiện cho đến lúc đó. Phần dưới đây giải thích vì sao nó hoạt động như vậy, và nó dừng lại ở đâu.

Chẳng phải iOS đã có sẵn tính năng này rồi sao?

Có hai tính năng có sẵn khá gần với việc này, và nếu một trong hai đáp ứng được nhu cầu của bạn thì bạn không cần thêm gì khác.

Live Captions, trong Cài đặt → Trợ năng, được Apple mô tả là bản ghi âm thanh nói theo thời gian thực trong bất kỳ ứng dụng nào, cộng với các cuộc trò chuyện xung quanh bạn. Từ khóa quan trọng ở đây là ghi lại (transcription): nó viết lại những gì được nói, bằng đúng ngôn ngữ đã nói. Nếu lời thoại là tiếng Hàn và bạn không đọc được tiếng Hàn, bản ghi tiếng Hàn cũng chẳng giúp gì cho bạn. Apple cũng ghi rõ tính năng này không có ở mọi ngôn ngữ, quốc gia hay khu vực.

Live Translation, một phần của Apple Intelligence, thực sự dịch được — nhưng chỉ hoạt động trong Điện thoại, FaceTime và Tin nhắn, cho cuộc gọi riêng giữa hai người. Một bộ phim đang phát trong ứng dụng xem phim thì không phải là cuộc gọi điện thoại.

Khoảng trống chính là sự kết hợp — một phụ đề đã dịch chồng lên bất kỳ ứng dụng nào.

Vì sao lại phải chia sẻ màn hình

Bước 3 yêu cầu chia sẻ màn hình, nghe có vẻ lớn chuyện hơn thực tế. Bảng đó viết vậy vì “chia sẻ màn hình” là tên gọi của cơ chế này, không phải vì ứng dụng thực sự muốn lấy màn hình của bạn.

Trên Mac bạn có thể định tuyến âm thanh qua một thiết bị ảo. iOS không có gì tương tự, và đó là chủ đích: một ứng dụng không thể thấy hay nghe được những gì ứng dụng khác đang làm. Không hề có API kiểu “đưa cho tôi âm thanh của bất cứ thứ gì đang phát” — không phải bị ngừng hỗ trợ, không phải chỉ dành riêng, mà chưa từng tồn tại. Con đường duy nhất được cho phép là cơ chế phát sóng (broadcast) chính là cơ chế được tạo ra để bạn có thể stream màn hình lên Twitch. Đó là lý do vì sao bảng hệ thống hiện ra, và vì sao điều bạn cần xác nhận là việc chia sẻ chứ không phải điều gì liên quan đến phụ đề cả.

Thứ thực sự được dùng chỉ là âm thanh. Việc phát sóng cũng gửi kèm các khung hình video, nhưng đoạn mã nhận chúng không làm gì cả — nhánh đó để trống. Tương tự với nhánh micro: ứng dụng không bao giờ xin quyền micro, nên cuộc trò chuyện trong phòng không bị lên phụ đề cũng không bị ghi lại. Quyền duy nhất nó xin là nhận diện giọng nói, không có gì bị ghi lại, lưu trữ, xuất ra hay tải lên, và sau khi mô hình của một cặp ngôn ngữ tải về một lần, nó hoạt động mà không cần kết nối mạng nào cả. Xem thêm ở phần quyền riêng tư của trang chính.

Nửa còn lại của vấn đề là hiển thị chữ. Đặt bất cứ thứ gì đè lên một ứng dụng khác nghĩa là phải dùng cơ chế duy nhất mà iOS có cho việc đó: Picture-in-Picture, vốn được thiết kế cho việc phát video. iOS không có cửa sổ chồng lớp, không có bong bóng nổi, không có lớp luôn nằm trên cùng. Từ đó kéo theo ba điều, đáng để biết trước khi bạn cài bất cứ thứ gì:

• Bạn không thể vừa quay màn hình vừa dùng nó. iOS chỉ có một phiên phát sóng duy nhất, và cái này đang dùng nó.
• Cửa sổ nổi không thể chạm vào được. Picture-in-Picture là bề mặt chỉ để xuất — nó hiển thị, không nhận thao tác chạm. Mọi điều khiển đều nằm trong ứng dụng.
• Mở camera lên là nó đóng lại. Camera chiếm cùng một bề mặt đó, nên cửa sổ bị đóng.

Còn một giới hạn nữa không bao giờ hiện ra trên giao diện nhưng lại chi phối mọi thứ phía sau: tiến trình nhận luồng phát sóng có giới hạn bộ nhớ 50 MB. Cả nhận diện giọng nói lẫn dịch thuật đều phải vừa trong giới hạn đó, trên một livestream, mà không bị trễ.

Nó hoạt động với gì, và không hoạt động với gì

Nó hoạt động với bất cứ thứ gì trên máy có phát ra âm thanh: ứng dụng xem phim, livestream, podcast, video trong trình duyệt, bản ghi bài giảng, một cuộc họp bạn đang nghe. Ứng dụng không bao giờ biết thứ gì đã tạo ra âm thanh đó — nó chỉ đọc luồng âm thanh mà hệ thống đang phát.

Những gì nó không làm được:

• Cuộc gọi video khi camera đang bật. Camera sẽ đóng cửa sổ nổi.
• Âm thanh phát ra từ nơi khác. Laptop, TV, hay một người trong phòng. Nó dịch những gì chiếc iPhone này đang phát, không phải những gì nó nghe được — không có micro nào tham gia cả.
• Quay màn hình song song. Chỉ có một phiên phát sóng, và đang được dùng rồi.
• Mọi ngôn ngữ theo cả hai chiều. Danh sách được lấy trực tiếp từ iOS chứ không cố định sẵn, và hai phía không phải cùng một danh sách. Phía nghe bị giới hạn ở phần giao nhau giữa mô hình nhận diện giọng nói và mô hình dịch của Apple; phía đọc là bất kỳ ngôn ngữ nào trình dịch của Apple xử lý được. Có ngôn ngữ đọc được nhưng nghe không được — ví dụ như tiếng Thái.
• Mọi phiên bản trước iOS 26. Các mô hình nhận diện và dịch chạy trên máy mà tính năng này phụ thuộc vào chỉ xuất hiện từ phiên bản đó.

Câu hỏi

Xem hướng dẫn khác