Nếu ngôn ngữ là cây cầu kết nối con người, VM-Fi đang dùng AI để rút ngắn khoảng cách trên cây cầu ấy. Từ công nghệ dịch giọng nói thời gian thực với độ trễ cực thấp, VM-Fi phát triển hệ sinh thái Voice AI hướng đến một mục tiêu lớn hơn: không chỉ giúp mọi giọng nói được hiểu, mà còn biến mỗi tương tác thành giá trị có thể khai thác.

Khi rào cản ngôn ngữ trở thành bài toán cần được giải quyết bằng công nghệ

Câu chuyện của VM-Fi bắt đầu từ một vấn đề rất thực tế: giao tiếp đa ngôn ngữ vẫn tồn tại khoảng cách lớn giữa nhu cầu của con người và khả năng của công nghệ. Nhà sáng lập Maxwell Peng có hơn 15 năm kinh nghiệm trong lĩnh vực ICT, phát triển ứng dụng, localization và ngành game quốc tế, từng tham gia các dự án liên quan đến hơn 21 ngôn ngữ cũng như có kinh nghiệm tại EA và IGS. Chính quá trình làm việc với nhiều thị trường đã giúp ông nhận thấy những hạn chế của phương thức phiên dịch truyền thống: chi phí cao, phụ thuộc vào nhân sự và đặc biệt khó đáp ứng yêu cầu giao tiếp tức thời.

Từ đó, VM-Fi được thành lập tại Đài Loan vào năm 2020 với định hướng kết hợp kinh nghiệm về low-latency technology từ ngành game với công nghệ AI speech translation. Thay vì chỉ đặt câu hỏi làm thế nào để dịch một ngôn ngữ sang ngôn ngữ khác, VM-Fi hướng đến một bài toán rộng hơn:

“Làm thế nào để con người có thể giao tiếp tự nhiên, tức thời và ít bị giới hạn bởi ngôn ngữ?”

Từ AI dịch giọng nói đến “Voice-to-Value”

Ngay từ định hướng phát triển, VM-Fi không xem dịch thuật là điểm kết thúc. Website doanh nghiệp giới thiệu khái niệm “Voice-to-Value – V2V”, với tầm nhìn biến những cuộc hội thoại diễn ra mỗi ngày thành nguồn dữ liệu có giá trị cho doanh nghiệp. Hệ thống có thể phân tích các cuộc trò chuyện tại quầy dịch vụ, nhận diện từ khóa xu hướng và xác định ý định của khách hàng, từ đó chuyển dữ liệu giọng nói thành business intelligence có thể hỗ trợ doanh nghiệp. Đây là bước chuyển quan trọng trong câu chuyện của VM-Fi.

Nếu công nghệ dịch thuật truyền thống tập trung vào câu hỏi “Người này đang nói gì?”, hướng tiếp cận Voice-to-Value mở rộng câu hỏi thành:

“Từ cuộc hội thoại này, doanh nghiệp có thể hiểu thêm điều gì và tạo ra giá trị gì?”

Với VM-Fi, giọng nói vì thế không chỉ là dữ liệu đầu vào cho quá trình dịch. Nó có thể trở thành một nguồn thông tin giúp doanh nghiệp hiểu khách hàng, tối ưu dịch vụ và cải thiện trải nghiệm giao tiếp.

Công nghệ Voice AI được xây dựng cho giao tiếp theo thời gian thực

Một trong những nền tảng công nghệ cốt lõi của VM-Fi là AI Voice Engine được thiết kế cho giao tiếp đa ngôn ngữ theo thời gian thực. Theo VM-Fi, hệ thống của doanh nghiệp hướng đến độ trễ dưới 0,5 giây, cho phép hai bên giao tiếp liên tục thay vì phải chờ người nói kết thúc rồi mới bắt đầu xử lý câu tiếp theo. Công nghệ hỗ trợ full-duplex, thu và xử lý âm thanh hai chiều liên tục, đồng thời cho phép cuộc hội thoại có sự ngắt lời tự nhiên, đây là một khác biệt quan trọng trong trải nghiệm dịch giọng nói.

Với mô hình dịch theo lượt, khoảng dừng giữa các câu có thể khiến cuộc hội thoại trở nên rời rạc. Người dùng phải chờ hệ thống xử lý, nhìn vào màn hình hoặc chờ tín hiệu trước khi tiếp tục. VM-Fi hướng tới việc đưa AI dịch thuật đến gần hơn với cách con người giao tiếp tự nhiên: nói – nghe – phản hồi – tiếp tục, thay vì nói – chờ – dịch – phản hồi.

TranSpeech – phá vỡ rào cản ngôn ngữ tại những sự kiện quốc tế

Một trong những sản phẩm tiêu biểu của VM-Fi là TranSpeech, giải pháp dịch giọng nói và phụ đề AI theo thời gian thực dành cho hội nghị, sự kiện quốc tế và những không gian cần truyền tải nội dung đến nhiều nhóm ngôn ngữ.

TranSpeech được thiết kế theo hướng plug-and-play, kết nối với hệ thống âm thanh thông qua chuẩn XLR và xuất nội dung qua HDMI, hạn chế nhu cầu triển khai các lớp phần mềm phức tạp. Website VM-Fi cho biết giải pháp đã phục vụ hơn 2 triệu người tham dự, với hơn 100.000 phút dịch vụ và hơn 2.000 bài phát biểu quốc tế.

Một điểm đáng chú ý là người tham dự không cần tải ứng dụng để sử dụng hệ thống. VM-Fi cho biết thời gian thiết lập tiêu chuẩn có thể khoảng 5–10 phút, tùy quy mô và độ phức tạp của địa điểm. Từ hội nghị quốc tế đến Smart City Summit, triển lãm doanh nghiệp và các sự kiện xuyên biên giới, TranSpeech được phát triển để đưa trải nghiệm đa ngôn ngữ đến gần hơn với người nghe.

TransDisplay – đưa AI dịch thuật đến điểm tiếp xúc trực tiếp

Nếu TranSpeech tập trung vào không gian sự kiện, TransDisplay giải quyết một tình huống khác: giao tiếp trực tiếp giữa hai người không sử dụng cùng một ngôn ngữ. TransDisplay là giải pháp dịch giọng nói hai chiều theo thời gian thực dành cho quầy dịch vụ, khu vực lễ tân và các môi trường tương tác trực tiếp với khách hàng. Hệ thống sử dụng cơ chế zero-touch, cho phép người dùng giao tiếp bằng giọng nói mà không cần thao tác thủ công phức tạp.

VMFi định hướng TransDisplay cho nhiều môi trường như:

• Sân bay và trung tâm giao thông
• Khách sạn và hospitality
• Cơ quan chính quyền
• Bán lẻ và dịch vụ khách hàng

Trong những môi trường này, rào cản ngôn ngữ không chỉ ảnh hưởng đến trải nghiệm. Nó còn có thể kéo dài thời gian phục vụ và tạo thêm áp lực cho nhân viên. TransDisplay được phát triển để đưa khả năng dịch thuật AI trực tiếp vào điểm tiếp xúc giữa con người với con người, giúp cuộc hội thoại diễn ra ngay tại nơi nhu cầu phát sinh.

Từ dịch thuật đến Voice-to-Value: khi mỗi cuộc hội thoại đều có giá trị

Điểm đặc biệt trong hướng đi của VM-Fi nằm ở việc doanh nghiệp không dừng lại ở việc xóa bỏ rào cản ngôn ngữ. Với V2V, VM-Fi muốn tiến thêm một bước: khai thác giá trị từ chính những cuộc hội thoại đang diễn ra trong doanh nghiệp.

Tại các quầy lễ tân, điểm dịch vụ hay môi trường customer-facing, mỗi cuộc trò chuyện có thể chứa những thông tin quan trọng về nhu cầu, câu hỏi, xu hướng và ý định của khách hàng, VM-Fi định hướng công nghệ của mình có thể phân tích những tương tác này để nhận diện trending keywords và customer intentions, từ đó chuyển voice interaction thành actionable business intelligence, đây là lý do thông điệp “Turning Every Voice into Value” trở thành trung tâm trong tầm nhìn của VM-Fi. Không chỉ là nghe được – Không chỉ là hiểu được, mà là biến điều được nói thành giá trị có thể được nhìn thấy, phân tích và khai thác.

Công nghệ phục vụ một thế giới đa ngôn ngữ

VM-Fi đang tập trung vào những môi trường mà giao tiếp tức thời có ý nghĩa trực tiếp đối với trải nghiệm của con người. Trong lĩnh vực Government & Public Services, công nghệ được triển khai để hỗ trợ chính quyền giao tiếp với cư dân có nhiều ngôn ngữ khác nhau. Trong giáo dục đại học, VM-Fi hướng đến việc hỗ trợ các trường đại học tạo ra môi trường giao tiếp thuận lợi hơn cho sinh viên quốc tế. Với sân bay và các trung tâm giao thông, công nghệ được định hướng để giảm ma sát trong quá trình phục vụ hành khách quốc tế.

Một ví dụ là Ome City Government, nơi TransDisplay được triển khai để hỗ trợ nhu cầu giao tiếp đa ngôn ngữ của cư dân và người nước ngoài. VM-Fi cũng cho biết TransDisplay đã được triển khai tại Ome City Child and Family Center từ tháng 2/2026 nhằm hỗ trợ giao tiếp với những cư dân không sử dụng tiếng Nhật như ngôn ngữ mẹ đẻ. Những ứng dụng này cho thấy Voice AI không chỉ phục vụ các cuộc hội thoại thương mại, mà còn có thể trở thành một công cụ hỗ trợ dịch vụ công, giáo dục, giao thông và các môi trường có tính quốc tế cao.

Từ Đài Loan đến Nhật Bản và hành trình mở rộng toàn cầu

VM-Fi được thành lập tại Đài Loan vào năm 2020, sau đó từng bước mở rộng sang thị trường Nhật Bản, theo lộ trình phát triển được doanh nghiệp công bố, năm 2021 VM-Fi hoàn thành PoC và hình thành các quan hệ hợp tác chiến lược với QTNet, JETRO và Qualcomm. Năm 2022, doanh nghiệp nhận CES Innovation Award và chính thức gia nhập thị trường Nhật Bản.

Đến năm 2023, VM-Fi triển khai giải pháp tại Kyoto Smart City và tiếp tục duy trì hoạt động trong chương trình này, đồng thời xây dựng mạng lưới ba nhà phân phối lớn tại Nhật Bản. Năm 2024, công nghệ của VM-Fi được sử dụng tại hơn 1.000 sự kiện trên toàn cầu, tiếp cận hơn 2 triệu người, đồng thời được các phương tiện truyền thông lớn như NHK News đưa tin. Năm 2025, doanh nghiệp thành lập pháp nhân tại Nhật Bản và đặt trụ sở chính thức tại đây.

Từ nền tảng đó, VM-Fi đặt mục tiêu tiếp tục mở rộng ra các thị trường quốc tế, trong đó có Đức và khu vực châu Âu, đồng thời phát triển Voice2Value SaaS như một giai đoạn tiếp theo trong chiến lược công nghệ, một hành trình được xây dựng trên nền tảng công nghệ và đổi mới

Trên hành trình phát triển, VM-Fi đã nhận được nhiều sự ghi nhận từ các chương trình đổi mới sáng tạo, trong đó có CES Innovation Award 2022, APAC Startup AI Pioneer Award 2024, 5G Craft Elite Competition Grand Award 2021 và các giải thưởng, chương trình đổi mới khác tại Nhật Bản và quốc tế. Những cột mốc này phản ánh một hướng phát triển nhất quán của VM-Fi: đưa công nghệ AI giọng nói từ bài toán nghiên cứu và phát triển đến những tình huống giao tiếp thực tế.

VM-Fi – Top 5 Startup Wheel 2026 Bảng Quốc tế

Tại Startup Wheel 2026 – Bảng Quốc tế, VM-Fi góp mặt trong Top 5, đưa câu chuyện về AI Voice và giao tiếp đa ngôn ngữ đến một sân chơi quy tụ các startup đổi mới sáng tạo từ nhiều thị trường. Hành trình của VM-Fi tại Startup Wheel 2026 cũng tiếp nối một câu chuyện lớn hơn mà doanh nghiệp đã theo đuổi từ những ngày đầu: sử dụng công nghệ để thu hẹp khoảng cách giữa con người, ngôn ngữ và thị trường.

Từ một startup được hình thành tại Đài Loan, phát triển R&D và hoạt động mạnh tại Nhật Bản, VM-Fi đang từng bước đưa các giải pháp real-time AI voice translation đến nhiều môi trường khác nhau trên thế giới. Với VM-Fi, giá trị của AI không chỉ nằm ở khả năng dịch một câu nói. Giá trị nằm ở khả năng giúp hai con người hiểu nhau nhanh hơn, doanh nghiệp phục vụ khách hàng tốt hơn và những cuộc hội thoại xuyên biên giới trở nên tự nhiên hơn.

Từ “Every Voice Understood” đến “Every Interaction Valued”

Câu chuyện của VM-Fi có thể được nhìn qua hai lớp giá trị. Lớp đầu tiên là “Every Voice Understood” – mọi giọng nói đều được hiểu, bất kể người nói đến từ đâu hay sử dụng ngôn ngữ nào. Lớp thứ hai là “Every Interaction Valued” – mỗi tương tác đều có thể tạo ra giá trị. Đó là quá trình chuyển dịch từ AI Translation sang Voice Intelligence mà VM-Fi đang theo đuổi.

Nếu giai đoạn đầu tập trung vào việc giúp con người giao tiếp vượt qua rào cản ngôn ngữ, giai đoạn tiếp  theo mở rộng sang việc giúp doanh nghiệp hiểu sâu hơn những gì đang diễn ra trong các cuộc hội thoại.

VM-Fi – Top 5 Startup Wheel 2026 Bảng Quốc tế – đang theo đuổi một tầm nhìn nơi giọng nói không còn là rào cản, mà trở thành dữ liệu, kết nối và giá trị cho một thế giới ngày càng đa ngôn ngữ.