Arena Vision là nền tảng AI xử lý ngôn ngữ và hình ảnh tiếng Việt, xây dựng trên đúng hai nguyên tắc không thương lượng: phục vụ lợi ích chung và mở toàn bộ mã nguồn. Không có bản "community" bị cắt xén, không có tính năng giấu sau tường phí, không có điều khoản cho phép chúng tôi đóng lại sau này.
Mọi quyết định kỹ thuật, tài chính và hợp tác của Arena Vision đều phải đi qua hai câu hỏi dưới đây. Nếu câu trả lời là "không", chúng tôi không làm — kể cả khi có tiền.
“Điều này có làm cuộc sống của người bình thường tốt hơn không?”
Công nghệ ngôn ngữ cho tiếng Việt đang bị quyết định bởi vài công ty nước ngoài. Khi một ngôn ngữ không có hạ tầng AI của riêng mình, người nói ngôn ngữ đó trở thành khách hàng thay vì chủ nhân. Arena Vision tồn tại để hạ tầng ấy là tài sản chung.
Chi tiết cam kết →“Người khác có thể kiểm chứng, sửa và rời bỏ chúng tôi không?”
Mở mã nguồn không phải chiêu tiếp thị mà là cơ chế kiểm soát quyền lực. Khi mọi dòng mã, mọi trọng số và mọi quyết định đều công khai, không ai — kể cả chính Arena Media — có thể lặng lẽ biến dự án thành thứ khác.
Chi tiết giấy phép →Không phải khẩu hiệu. Dưới đây là những điều ràng buộc chúng tôi bằng giấy phép, bằng điều lệ và bằng báo cáo công khai.
Trường phổ thông, đại học, trung tâm dạy nghề và thư viện công. Dùng toàn bộ mô hình để soạn học liệu, chấm bài tự luận, tạo tài liệu song ngữ, không giới hạn số lượt gọi.
Bệnh viện công, trạm y tế xã, chương trình y tế cộng đồng. Dùng cho tóm tắt bệnh án, dịch hướng dẫn điều trị, trợ lý hỏi đáp sức khỏe cơ bản bằng tiếng Việt và tiếng dân tộc.
NGO, quỹ từ thiện, nhóm cứu trợ thiên tai, tổ chức bảo vệ quyền trẻ em và người khuyết tật. Kèm hỗ trợ kỹ thuật miễn phí để triển khai.
Toà soạn nhỏ và nhà báo độc lập — nhóm chịu sức ép lớn nhất từ AI nhưng ít nguồn lực nhất để dùng nó. Dùng cho kiểm chứng, dịch, chuyển ngữ và tổng hợp tư liệu.
Các dự án số hoá tiếng Tày, Thái, Mông, Chăm, Khmer Nam Bộ. Chúng tôi góp cả mô hình lẫn công sức gán nhãn dữ liệu, và trả dữ liệu về cộng đồng sở hữu.
Đọc màn hình, chuyển văn bản thành giọng nói, mô tả ảnh cho người khiếm thị, phụ đề thời gian thực cho người khiếm thính. Ưu tiên cao nhất trong lộ trình.
Những điều trên nằm trong Điều lệ sử dụng có trách nhiệm đi kèm dự án. Giấy phép Apache 2.0 không ngăn được người xấu dùng mã nguồn — nên chúng tôi dùng thứ khác: công khai danh sách đối tác, công bố mọi hợp đồng trên 200 triệu đồng, và một hội đồng đạo đức độc lập có quyền phủ quyết.
Rất nhiều dự án tự nhận "open source" nhưng giữ lại phần quan trọng nhất. Đây là chính xác những gì chúng tôi công khai và dưới giấy phép nào.
| Thành phần | Trạng thái | Giấy phép |
|---|---|---|
| Mã nguồn lõi & API | Công khai | Apache License 2.0 |
| Trọng số mô hình ngôn ngữ | Tải về tự do | Apache License 2.0 |
| Trọng số mô hình giọng nói & thị giác | Tải về tự do | Apache License 2.0 |
| Bộ dữ liệu huấn luyện đã làm sạch | Công khai | CC BY-SA 4.0 |
| Quy trình & script huấn luyện | Công khai | Apache License 2.0 |
| Tài liệu, giáo trình, ví dụ | Công khai | CC BY 4.0 |
| Nhật ký đánh giá & kết quả benchmark | Công khai | CC BY 4.0 |
| Biên bản họp hội đồng kỹ thuật | Công khai | CC BY 4.0 |
Mỗi phần là một kho mã độc lập, dùng riêng được, không bắt bạn lấy cả bộ.
arena-coreMáy chủ suy luận, quản lý phiên, hàng đợi tác vụ, bộ nhớ ngữ cảnh. Chạy được trên một GPU 24GB.
arena-vi-llmMô hình nền huấn luyện trên kho văn bản tiếng Việt đã lọc bản quyền, kèm toàn bộ nhật ký huấn luyện.
arena-speechNhận dạng và tổng hợp giọng nói tiếng Việt, có hỗ trợ giọng vùng miền. Dùng cho trợ năng và phụ đề.
arena-visionĐọc chữ trên ảnh, mô tả ảnh cho người khiếm thị, bóc tách bảng biểu từ tài liệu scan.
arena-guardBộ lọc nội dung độc hại, phát hiện mạo danh, gắn và kiểm tra thuỷ vân nguồn gốc nội dung AI.
arena-datasetsCác bộ dữ liệu đã làm sạch và gán nhãn, kèm tài liệu nguồn gốc và quy trình kiểm tra bản quyền.
Không cần tài khoản, không cần khoá API, không cần kết nối về máy chủ của chúng tôi. Dữ liệu của bạn không rời khỏi hạ tầng của bạn.
# tải mã nguồn
git clone https://github.com/arenamedia/arena-core
cd arena-core
# tải trọng số mô hình (không cần đăng nhập)
./scripts/fetch-weights.sh vi-llm-8b
# chạy
docker compose up -d
# sẵn sàng tại http://localhost:8080Câu hỏi đúng nhất mà ai cũng nên hỏi một dự án mã nguồn mở. Đây là câu trả lời thẳng — và cũng là thứ ràng buộc để chúng tôi không phản bội hai trụ cột ở trên.
Doanh nghiệp muốn chạy nhanh, có SLA và được tích hợp vào hệ thống sẵn có thì trả tiền cho công sức của chúng tôi — không phải trả cho phần mềm. Phần mềm vẫn miễn phí với họ.
Ai không muốn tự quản hạ tầng thì dùng bản chúng tôi vận hành, trả theo mức dùng. Mã nguồn bản đó giống hệt bản bạn tự tải — bạn rời đi lúc nào cũng được, mang theo toàn bộ dữ liệu.
Khoá học và chứng chỉ cho kỹ sư, giảng viên, nhà báo. Giáo trình thì công khai miễn phí; cái bán là lớp học có người hướng dẫn.
Ngân sách nghiên cứu, quỹ phát triển ngôn ngữ, tài trợ doanh nghiệp. Mọi khoản trên 200 triệu đồng đều công bố: ai tài trợ, bao nhiêu, kèm điều kiện gì.
Cá nhân ủng hộ định kỳ. Số tiền nhỏ nhưng quan trọng về nguyên tắc: nó giữ cho dự án không phụ thuộc vào một nhà tài trợ duy nhất.
Không nhận tài trợ kèm điều kiện đóng mã, kèm quyền phủ quyết lộ trình, hoặc từ tổ chức vi phạm lằn ranh đỏ. Đã từ chối thì công bố lý do.
Lộ trình này cũng nằm trong kho mã, ai cũng mở issue tranh luận được.
arena-core và bộ công cụ huấn luyện lên công khai dưới Apache 2.0.
Hoàn thànhPhát hành arena-vi-llm kèm toàn bộ nhật ký và dữ liệu huấn luyện.
Hoàn thànhGiọng nói cho người khiếm thị, phụ đề thời gian thực, khởi động dữ liệu tiếng Tày và Mông.
Đang chạyChuyển quyền quyết định kỹ thuật sang hội đồng có đại diện ngoài Arena Media.
Kế hoạchChuyển quyền sở hữu thương hiệu và kho mã cho một quỹ độc lập, để dự án sống lâu hơn công ty.
Kế hoạchKhông cần là lập trình viên mới đóng góp được.
Có nhãn good first issue cho người mới. Đóng góp theo DCO — bạn giữ bản quyền phần mình viết.
Mọi pull request đều được phản hồi trong 7 ngày.
Gán nhãn câu, kiểm tra bản dịch, đọc thu âm giọng vùng miền, viết tài liệu. Đây là phần thiếu người nhất và cũng quyết định chất lượng mô hình nhiều nhất.
Đăng ký góp dữ liệuNếu bạn ở trường học, bệnh viện, NGO hay toà soạn — hãy dùng. Mỗi tổ chức công ích triển khai thành công là một lý do để dự án tiếp tục được tài trợ.
Nhận hỗ trợ triển khaiThì họ lấy. Đó là điều chúng tôi chấp nhận từ đầu, và thực tế là chúng tôi mong như vậy — mục tiêu là hạ tầng AI tiếng Việt tồn tại rộng rãi, không phải Arena Media thắng. Thứ không sao chép được là cộng đồng đóng góp, uy tín và năng lực vận hành.
Đúng, và chúng tôi nói thẳng điều đó. Giấy phép mở thật sự thì không thể kèm điều cấm sử dụng, nếu không nó không còn là mã nguồn mở. Lằn ranh đỏ ràng buộc chúng tôi: những việc Arena Media sẽ không nhận làm, không hợp tác, không hỗ trợ kỹ thuật. Đi kèm là công bố đối tác và hội đồng đạo đức có quyền phủ quyết.
Hai cơ chế. Một, điều khoản trong điều lệ dự án: đổi giấy phép phải được 2/3 người đóng góp đồng ý. Hai, kế hoạch Q2/2027 chuyển kho mã và thương hiệu về một quỹ phi lợi nhuận độc lập. Ngoài ra Apache 2.0 là không thể thu hồi — bản đã phát hành vĩnh viễn thuộc về cộng đồng.
Thực chất mọi người đều dùng miễn phí vì giấy phép là Apache 2.0. Thứ chúng tôi dành riêng cho trường học, bệnh viện, NGO và báo chí địa phương là hạ tầng vận hành sẵn và hỗ trợ kỹ thuật miễn phí — phần vốn tốn tiền thật.
Chỉ dùng nguồn công cộng, nguồn được cấp phép mở, và dữ liệu do cộng đồng tự nguyện đóng góp. Toàn bộ danh sách
nguồn công khai trong arena-datasets. Có cơ chế để tác giả yêu cầu gỡ nội dung của mình khỏi
bộ dữ liệu ở lần huấn luyện kế tiếp.
Phần thiếu người nhất không phải viết mã mà là dữ liệu: gán nhãn câu, kiểm tra bản dịch, đọc thu âm giọng vùng miền, viết tài liệu hướng dẫn. Chất lượng mô hình phụ thuộc vào đây nhiều hơn là vào thuật toán.
Dù bạn muốn đóng góp, muốn triển khai cho tổ chức của mình, hay muốn chất vấn chúng tôi về hai cam kết trên — cứ viết thư.
Công ty công nghệ & truyền thông tại Hà Nội, phát triển và duy trì dự án AI mã nguồn mở Arena Vision cho cộng đồng nói tiếng Việt.