---
title: "Sample rate là gì? Vì sao speech-to-text dùng 16 kHz"
description: "Sample rate là số mẫu âm thanh ghi mỗi giây. Vì sao model giọng nói dùng 16 kHz mono, cách tính dung lượng file và bao nhiêu phút vừa một lần upload 25 MiB."
url: https://broadrouter.com/vi/glossary/sample-rate/
lang: vi
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Được dịch từ tiếng Anh với sự hỗ trợ của AI. [Đọc bản gốc tiếng Anh](https://broadrouter.com/glossary/sample-rate/) (cập nhật ngày 2026-11-16).

# Tần số lấy mẫu (sample rate)

Cập nhật 2026-11-16

Tần số lấy mẫu (sample rate) là số mẫu âm thanh ghi được mỗi giây, đo bằng hertz (Hz). Model nhận dạng giọng nói thường cần audio mono 16.000 Hz (16 kHz). Cùng với bit depth và số kênh, sample rate quyết định dung lượng mỗi phút của file audio không nén.

Còn gọi là: sample rate là gì, tần số lấy mẫu, tốc độ lấy mẫu, audio 16 kHz, sample rate, sampling rate, sampling frequency, audio sample rate, 16 kHz audio

Sample rate là con số đầu tiên cần kiểm tra khi file audio quá lớn hoặc request phiên âm bị từ chối.

## Cách hoạt động

Audio số lưu sóng âm dưới dạng một danh sách số, mỗi mẫu một số. Ở 16.000 Hz có 16.000 số mỗi giây cho mỗi kênh. Ở độ sâu 16-bit, mỗi số chiếm 2 byte. Vì vậy dung lượng WAV không nén là:

```text
bytes per second = sample rate x bytes per sample x channels
16 kHz, 16-bit, mono:    16,000 x 2 x 1 = 32,000 B/s  -> x 60 = 1,920,000 B per minute
44.1 kHz, 16-bit, stereo: 44,100 x 2 x 2 = 176,400 B/s -> x 60 = 10,584,000 B per minute
```

Model giọng nói thường được huấn luyện trên audio 16 kHz. Code Whisper của OpenAI đặt `SAMPLE_RATE = 16000` và nạp mọi file qua ffmpeg với `-ac 1 -ar 16000`. Theo tài liệu của chính FFmpeg, `-ar` đặt tần số lấy mẫu audio còn `-ac` đặt số kênh.

## Vì sao quan trọng

-   **Giới hạn dung lượng file.** Một file WAV stereo chất lượng CD lớn gấp 10.584.000 / 1.920.000 = 5,5 lần so với 16 kHz mono, mà không đem lại lợi ích gì cho model 16 kHz.
-   **Thời gian upload.** File nhỏ hơn đến API nhanh hơn, điều này quan trọng với voice bot.
-   **Tương thích.** Các công cụ như [phát hiện giọng nói (VAD)](https://broadrouter.com/vi/glossary/vad/) chỉ nhận một số tần số nhất định (WebRTC VAD nhận 8, 16, 32 hoặc 48 kHz).
-   **Đừng upsample.** Chuyển một cuộc gọi điện thoại 8 kHz lên 16 kHz làm file nặng gấp đôi nhưng không thêm chi tiết nào.

## Trên BroadNet Inference

Endpoint phiên âm của BroadNet nhận WAV hoặc MP3 tối đa 26.214.400 byte (25 MiB) mỗi file. Tài liệu của BroadNet chuyển đổi tin nhắn thoại WhatsApp `.ogg` và bản ghi `.m4a` bằng lệnh:

```bash
ffmpeg -i voice-note.ogg -ar 16000 -ac 1 voice-note.wav
```

Lượng audio vừa một request khi dùng WAV 16-bit:

| Định dạng | Byte mỗi phút | Vừa trong 26.214.400 byte |
| --- | --- | --- |
| 16 kHz mono | 1.920.000 | 26.214.400 / 1.920.000 = 13,65 phút, khoảng 13 phút 39 giây |
| 44,1 kHz stereo | 10.584.000 | 2,48 phút, khoảng 2 phút 29 giây |

Với audio dài hơn, hãy chia thành các đoạn 10 phút (600 giây x 32.000 B/s = 19.200.000 byte mỗi đoạn) như [hướng dẫn phiên âm tin nhắn thoại WhatsApp](https://broadrouter.com/vi/guides/transcribe-whatsapp-voice-notes/), hoặc gửi MP3, vốn nhẹ hơn nhiều mỗi phút. Luôn đặt `language`. Phí tính theo phút audio, không theo byte, nên sample rate thay đổi dung lượng upload chứ không thay đổi giá; kiểm tra chi phí bằng [công cụ tính chi phí speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/). Để có bức tranh tổng thể, xem [chuyển giọng nói thành văn bản](https://broadrouter.com/vi/glossary/speech-to-text/).

## Câu hỏi thường gặp

### Nên dùng sample rate bao nhiêu cho speech-to-text?

16 kHz mono là lựa chọn phổ biến. Whisper resample mọi input về 16.000 Hz, và tài liệu của BroadNet chuyển đổi tin nhắn thoại bằng ffmpeg -ar 16000 -ac 1.

### Một phút WAV 16 kHz nặng bao nhiêu?

Với 16-bit mono, 16.000 mẫu x 2 byte x 60 giây = 1.920.000 byte, khoảng 1,92 MB, cộng thêm một header nhỏ.

### Tăng sample rate có giúp phiên âm tốt hơn không?

Không, nếu model làm việc ở 16 kHz, vì đằng nào nó cũng resample audio xuống. Sample rate cao hơn chỉ làm file upload nặng hơn.

## Xem thêm

-   [Chuyển giọng nói thành văn bản (speech-to-text)](https://broadrouter.com/vi/glossary/speech-to-text/) (thuật ngữ)
-   [VAD (phát hiện giọng nói)](https://broadrouter.com/vi/glossary/vad/) (thuật ngữ)
-   [Speaker diarization (phân tách người nói)](https://broadrouter.com/vi/glossary/diarization/) (thuật ngữ)
-   [Timestamp trong speech-to-text (dấu thời gian ASR)](https://broadrouter.com/vi/glossary/timestamps-asr/) (thuật ngữ)
-   [WAV](https://broadrouter.com/vi/glossary/wav/) (thuật ngữ)
-   [Ogg Opus](https://broadrouter.com/vi/glossary/ogg-opus/) (thuật ngữ)
-   [Chép lời tin nhắn thoại WhatsApp thành văn bản bằng API](https://broadrouter.com/vi/guides/transcribe-whatsapp-voice-notes/) (hướng dẫn)
-   [API chuyển giọng nói tiếng Ả Rập thành văn bản: từng bước](https://broadrouter.com/vi/guides/arabic-speech-to-text-api/) (hướng dẫn)
-   [Tin nhắn thoại thành văn bản cho doanh nghiệp: WhatsApp, Telegram](https://broadrouter.com/vi/blog/voice-notes-to-text-for-business/) (bài viết)

Hãy thử với khối lượng công việc thực tế của bạn. Tài khoản mới được tặng US$5 tín dụng ban đầu cho Gemma và chuyển giọng nói thành văn bản. DeepSeek, GLM và Qwen3.8 cần nạp tiền.

[Bắt đầu](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-glossary-sample-rate&utm_content=page-cta) ·

**Nguồn**

-   [Tài liệu FFmpeg, tùy chọn audio -ar và -ac (kiểm tra ngày 2026-11-16)](https://ffmpeg.org/ffmpeg.html)
-   [Mã nguồn OpenAI Whisper, audio.py (SAMPLE\_RATE = 16000) (kiểm tra ngày 2026-11-16)](https://github.com/openai/whisper/blob/main/whisper/audio.py)
-   [Tài liệu tham khảo API BroadNet Inference, phiên âm và chuyển đổi bằng ffmpeg (kiểm tra ngày 2026-11-16) (tiếng Anh)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-glossary-sample-rate&utm_content=sources)
