Câu hỏi thường gặp¶

Tổng quan¶

Có hoạt động offline không?¶

Phần lớn là có. Cụ thể:

Dịch cần LLM. Gemini API miễn phí là online; Ollama / LM Studio local qua Cài đặt Nhà cung cấp tùy chỉnh hoàn toàn offline.
OCR với Tesseract hoặc EasyOCR là offline.
STT với Whisper (mặc định) là offline.
TTS với Edge TTS (mặc định) là online; ElevenLabs / Google Cloud TTS / Gemini TTS là online (miễn phí hoặc trả phí); Piper TTS là TTS neural hoàn toàn offline — không key, không gọi mạng sau khi bạn đã tải voice theo ngôn ngữ (file ONNX ~25–60 MB) qua Cài đặt → Giọng → Piper TTS → Tải voice ngay.

Để có cài đặt hoàn toàn air-gapped: Nhà cung cấp tùy chỉnh → LLM local, Tesseract hoặc EasyOCR cho OCR, Whisper cho STT, và Piper TTS cho đầu ra giọng nói.

File đã dịch của tôi được lưu ở đâu?¶

Mặc định cạnh file gốc, với hậu tố _translated_<src>_<tgt> (ví dụ report_translated_en_fr.docx). Ghi đè theo từng tính năng trong Cài đặt → Chung → Đường dẫn lưu trữ bản dịch.

Cài đặt của tôi được lưu ở đâu?¶

File INI ở:

OS	Đường dẫn
Linux	`~/.config/ai-translate/settings.ini`
macOS	`~/Library/Preferences/ai-translate/settings.ini`
Windows	`%APPDATA%\ai-translate\settings.ini`

API key sống trong keychain OS (không phải trong INI). Lịch sử dịch sống trong DB SQLite ở thư mục dữ liệu.

Dữ liệu của tôi được xử lý như thế nào?¶

Local-first — văn bản không bao giờ rời máy bạn trừ khi bạn đang gọi dịch vụ LLM / OCR / STT / TTS cloud.
Không telemetry — ứng dụng không phone home. Yêu cầu outbound duy nhất ứng dụng tự thực hiện là kiểm tra cập nhật GitHub-Releases tùy chọn (toggle trong Cài đặt → Chung); backend cloud chỉ gọi vendor tương ứng.
API key — lưu trong keychain OS. Fallback của ứng dụng desktop là INI plaintext khi không có daemon keychain.

Tôi có thể dịch Google Doc / trang Notion?¶

Không trực tiếp. Xuất sang .docx trước, dịch, rồi import file đã dịch trở lại. Tương tự cho Notion (xuất Markdown / HTML), Confluence (xuất .docx), v.v.

Chọn model / engine¶

Tôi nên dùng model LLM nào?¶

Cho hầu hết người dùng:

Bất kỳ biến thể Gemini Flash — gói miễn phí, nhanh, tốt bất ngờ. Dùng cho dịch hàng ngày. Tên dạng gemini-2.5-flash, gemini-3-flash-preview, v.v., tùy theo cái gì hiện có.
Bất kỳ biến thể Gemini Pro — trả theo token, chất lượng cao hơn. Dùng cho tài liệu quan trọng (pháp lý, kỹ thuật, khách hàng).
Ollama local với model 7B-13B — khi bạn cần offline / quyền riêng tư.

Bộ chọn model theo trang nghĩa là bạn có thể dùng model nhanh cho dịch kiểu chat và dành cái đắt tiền cho tài liệu.

Tôi nên dùng engine OCR nào?¶

Tesseract cho text in sạch ở các script chính. Miễn phí, offline, nhanh.
EasyOCR cho script không thuộc Latin (đặc biệt CJK) và ảnh nhiễu hơn.
Google Cloud Vision cho chữ viết tay, script hỗn hợp và độ chính xác cao nhất khi bạn có thể trả tiền.

Tôi nên dùng phương thức STT nào?¶

Whisper local cho offline / quyền riêng tư.
Soniox cho bản ghi nhiều người nói — nhãn người nói round-trip vào SRT.
Google Cloud STT cho audio điện thoại / y tế (model lĩnh vực của họ rất tốt).
Gemini Live cho dịch speech-to-speech thời gian thực.

Backend TTS nào?¶

Edge TTS cho voice miễn phí, chất lượng cao.
ElevenLabs cho voice cao cấp / branded / clone.
Google Cloud TTS cho voice WaveNet ở các ngôn ngữ ít phổ biến nơi Edge phủ thưa.
Gemini TTS cho voice prebuilt tự nhiên miễn phí tái sử dụng Gemini API key có sẵn của bạn.
Piper TTS khi bạn cần đầu ra giọng offline / air-gapped. Đánh đổi: mỗi ngôn ngữ cần tải voice ~25–60 MB một lần qua Cài đặt → Giọng → Piper TTS → Tải voice ngay, và 13 trong 45 ngôn ngữ của ứng dụng không có voice Piper (những cái đó âm thầm fallback về Edge TTS).

Quy trình làm việc¶

Tôi dịch cả thư mục thế nào?¶

Thả thư mục vào vùng thả của Dịch tài liệu. File hỗ trợ bên trong (đệ quy) được xếp hàng; mọi thứ khác âm thầm bị bỏ qua. Có giới hạn 100 file mỗi lần thả; batch lớn hơn → chia thành nhiều lần thả.

Tôi có thể tạm dừng và tiếp tục bản dịch?¶

Có. Thoát ứng dụng bất cứ lúc nào — tác vụ Pending / Translating resume ở lần khởi động sau. Checkpoint từng tác vụ nghĩa là trang 47/100 của PDF không bị làm lại khi bạn resume.

Tôi có thể chỉnh bản dịch thủ công?¶

Cho Dịch văn bản — có, nhấp ô bên phải và gõ. Chỉnh sửa tự lưu vào bản ghi lịch sử của mục.

Cho Dịch tài liệu — mở file đã dịch trong editor thông thường (Word, LibreOffice, v.v.) và chỉnh ở đó. Ứng dụng không round-trip chỉnh sửa trở lại lịch sử.

Tôi có thể dịch hàng loạt một danh sách chuỗi?¶

Dùng CLI:

ait *.txt --target French

Hoặc cho chuỗi in-process (ví dụ chuỗi UI trích từ code), gọi tool MCP translate_text với một danh sách, hoặc dùng Python API trực tiếp:

from src.core.llm_engine import translate_text
out = translate_text(texts=["Hello", "World"], target_lang="French")

Glossary¶

Tại sao LLM không dùng glossary của tôi?¶

Ba thứ cần kiểm tra:

Bộ từ vựng đang được kích hoạt (checkbox đã tích).
Thuật ngữ nguồn trong glossary thực sự xuất hiện trong văn bản nguồn (nén theo lần gọi chỉ gửi LLM các mục khớp text batch — tiết kiệm token, nhưng nghĩa là thuật ngữ nguồn gõ sai sẽ vô hình).
Model đủ mạnh — flash-lite đôi khi bỏ qua hint mà flash và pro tôn trọng.

Thuật ngữ glossary được khớp không phân biệt dấu?¶

Có. Cả tra cứu glossary và ô tìm kiếm trong trang Glossary đều dùng hàm chuẩn hóa loại bỏ dấu và phân biệt hoa thường. Nên cafe, Café và CAFE đều khớp một mục có nguồn là Café.

Quyền riêng tư¶

Bạn có thu thập dữ liệu sử dụng không?¶

Không. Ứng dụng không có analytics SDK. Kiểm tra cập nhật tùy chọn poll một endpoint GitHub Releases duy nhất khi khởi động; nó toggle được trong Cài đặt → Chung.

API key của tôi có an toàn không?¶

Chúng được lưu trong keychain OS (Keychain trên macOS, Credential Manager trên Windows, Secret Service trên Linux). Các tiến trình khác không đọc được mà không có sự cho phép rõ ràng của bạn. Fallback (khi không có daemon keychain — thường là server Linux headless) là INI plaintext dưới thư mục cấu hình người dùng; ở chế độ đó key được bảo vệ bằng quyền file nhưng không được mã hóa cryptographically.