Bingo Robot — từ demo nói được thành Trợ giảng AI

I.Vì sao làm Bingo Robot AI

FLYER đã có nội dung Cambridge, có chấm Speaking bằng AI, có nền tảng theo dõi tiến độ. Cái thiếu là thời lượng trẻ thật sự mở miệng nói. Trên ứng dụng, nói là một tính năng phải chủ động vào; khi trẻ vào ứng dụng thì phần chơi và phần nhìn thường cuốn hơn. Số liệu usage bên dưới cho thấy khá rõ điều này.

I.1 Nền đã có sẵn gì

Gộp cả hai sản phẩm chính là exam.flyer.us (phòng thi và luyện đề, nơi phát sinh phần lớn hoạt động) và study.flyer.us (lộ trình học theo bài), quy mô hiện tại như sau.

Riêng study.flyer.us có 45.842 học sinh và khoảng 1,2 triệu phiên học, trong đó 23.488 học sinh đến từ trường, 13.093 học sinh qua lớp của giáo viên, 9.261 học sinh tự học. Về cơ cấu, 80,5% lượt nộp bài là học sinh tự học, 19,5% là do giáo viên giao. Về nội dung, đề thi chiếm khoảng 45% lượt làm, mini test 16%, luyện tập 13%.

Tóm lại, ba thứ khó nhất của một sản phẩm giáo dục thì FLYER đã có: kho nội dung, tệp người dùng, và mạng lưới giáo viên. Bingo Robot không phải bắt đầu từ số không, mà là gắn một cái loa biết dạy vào bộ máy đang chạy.

I.2 Chỗ đang hụt: thời lượng nói

Nhìn kỹ 6,5 triệu lượt hoạt động kia thì gần như toàn bộ là đọc, nhìn và chọn đáp án. Phần trẻ mở miệng nói ra tiếng chỉ là một lát mỏng.

Tính năng Call Bingo, nơi trẻ nói theo chủ đề với AI, đã chạy được hơn một năm và có 215.651 phiên của 41.051 học sinh. Nhưng nhìn vào từng phiên thì bức tranh khác hẳn.

Và ngay cả phần làm bài trên màn hình, vốn là thế mạnh, cũng chưa tạo được thói quen hằng ngày:

Ba con số này giải thích vì sao thêm một tính năng nữa trong ứng dụng khó tạo ra thay đổi lớn. Cái cản không phải nội dung, mà là ma sát của việc phải mở máy và ngồi vào. Một thiết bị nằm sẵn trên bàn, nhấn một nút là nói, đánh thẳng vào chỗ đó.

I.3 Ba thứ một thiết bị nhỏ thay đổi được

Một cục phần cứng nhỏ thay đổi ba thứ cùng lúc:

• Bỏ được màn hình. Đây là lý do bán hàng mạnh nhất với phụ huynh tiểu học. Phụ huynh muốn con học tiếng Anh nhưng vẫn e ngại thời gian nhìn màn hình.
• Nói trở thành mặc định. Không có gì để chạm, chỉ có nút nhấn và giọng nói. Không có đường nào khác để tương tác.
• Sản phẩm có mặt trong nhà. Thiết bị nằm trên bàn học, trẻ nhìn thấy mỗi ngày. Một thiết bị nằm sẵn trước mặt tạo thói quen dễ hơn một ứng dụng phải chủ động mở.

Về mặt kinh doanh, đây cũng là món hàng đầu tiên của FLYER mà phụ huynh trả tiền một lần với giá trị cao, và mở ra doanh thu thuê bao đi kèm. Với B2B, robot mang giọng mascot riêng của trung tâm là thứ đối thủ khó sao chép.

I.4 USP (điểm khác biệt giúp bán được hàng): FLYER thắng ở đâu

Phần cứng thì ai cũng đặt được ở Thâm Quyến. Nếu chỉ bán một cục máy biết nói tiếng Anh thì trong sáu tháng sẽ có mười cái giống hệt, rẻ hơn. Nên câu hỏi đúng không phải “máy này làm được gì”, mà là “cái gì trong máy này người khác không mua được”.

Năm thứ dưới đây FLYER đã có sẵn, và đó chính là năm thứ đối thủ phải làm lại từ đầu.

Cộng thêm hai lợi thế sân nhà, nhỏ hơn nhưng rất khó chịu với hàng nhập: Bingo gỡ bí bằng tiếng Việt khi trẻ tắc, và nghe quen ngữ điệu tiếng Anh của trẻ Việt vì được thử bằng chính giọng trẻ Việt từ M1.

I.5 So với các lựa chọn khác của phụ huynh

Cột đáng chú ý nhất là cột cuối. Với phụ huynh, Bingo không cạnh tranh với ứng dụng, mà cạnh tranh với buổi học thêm: rẻ hơn khoảng sáu tới mười lần, và có mặt cả bảy ngày trong tuần thay vì hai buổi.

II.Hiện trạng v0 và khoảng trống

Bản đang có: board xingzhi-cube-1.54tft-wifi (bo mạch phát triển dùng chip ESP32-S3, màn hình nhỏ 1.54 inch, có Wi-Fi), chạy firmware (phần mềm nằm bên trong thiết bị) dòng XiaoZhi, đường thoại nối vào Inworld API (dịch vụ giọng nói AI của bên thứ ba). Nó nói chuyện được. Đó là mốc quan trọng vì nó chứng minh chuỗi mic → nhận dạng tiếng nói → mô hình AI nghĩ câu trả lời → đọc thành tiếng chạy được trên một con chip phổ thông.

Nhưng khoảng cách từ "nói chuyện được" tới "trợ giảng" nằm ở những chỗ sau:

Thứ tự ưu tiên rút ra: sư phạm và dữ liệu trước, vỏ và pin sau. Một bo mạch chưa có vỏ nhưng dạy đúng thì vẫn đưa được vào 20 gia đình để thử; ngược lại thì chưa.

III.Định vị & người dùng

Bingo Robot là bạn nói tiếng Anh của trẻ tiểu học, có giáo án và có sổ liên lạc. Không phải loa thông minh, không phải đồ chơi, không phải gia sư thay thế lớp học.

Ba câu nên trả lời được thật gọn khi phụ huynh hỏi

• Khác loa thông minh chỗ nào? Có giáo án và có báo cáo.
• Con tôi không biết nói thì sao? Bingo hỏi câu trả lời được bằng một từ, và gợi ý mẫu câu.
• Hết tháng có phải trả thêm không? Có gói đi kèm, nói rõ ngay từ đầu.

IV.Bingo dạy cái gì, dạy thế nào

Đây là phần quyết định giá trị của sản phẩm, và cũng là phần FLYER có lợi thế sẵn. Nguyên tắc: mỗi phiên nói có một mục tiêu ngôn ngữ cụ thể, không phải trò chuyện phiếm.

IV.1 Bám chương trình Cambridge

Lấy khung Pre-A1 Starters, A1 Movers, A2 Flyers vốn đã có trong hệ thống nội dung FLYER. Mỗi cấp chia thành các chủ đề (gia đình, quần áo, đồ ăn, trường học, con vật, thời tiết…). Mỗi chủ đề gồm:

• 10–15 từ mục tiêu và 3–5 mẫu câu.
• Một mục tiêu hội thoại đo được, ví dụ "trẻ tự nói được 5 câu mô tả quần áo đang mặc".
• Một trò chơi bằng lời cho cùng chủ đề (đoán đồ vật, kể tiếp câu chuyện, Simon says).

IV.2 Cách Bingo dẫn một phiên

1. Chào và chọn. "Hôm nay mình nói về quần áo, hay con muốn kể chuyện?" Trẻ luôn được chọn một trong hai, không bao giờ để trống.
2. Khởi động 3 câu. Câu hỏi trả lời được bằng một từ, để trẻ mở miệng ngay.
3. Vào chủ đề. Đưa từ mới kèm ngữ cảnh, hỏi lại, nghe trẻ dùng.
4. Sửa lỗi kiểu nhắc lại. Trẻ nói sai thì Bingo nhắc lại đúng một cách tự nhiên rồi hỏi tiếp, không dừng lại chấm điểm giữa chừng.
5. Trò chơi. 2–3 phút chơi để chốt từ vừa học.
6. Chốt phiên. "Hôm nay con nói được 18 câu, học 6 từ mới. Mai mình nói về đồ ăn." Đồng thời đẩy dữ liệu lên FLYER.

IV.3 Ba luật cứng trong prompt

IV.4 Đo trình độ mà không kiểm tra

Không bắt trẻ làm bài test. Suy ra trình độ từ chính hội thoại: độ dài câu trung bình, số từ khác nhau dùng được, tỉ lệ trả lời được không cần gợi ý, tốc độ phản hồi. Sau 2 tuần đủ dữ liệu để tự động nâng hoặc hạ độ khó. Đây cũng là số liệu để phụ huynh thấy tiến bộ theo tuần.

V.Kiến trúc kỹ thuật đích

Nguyên tắc: thiết bị giữ càng đơn giản càng tốt, phần xử lý đặt trên server để còn sửa được mà không phải thu hồi máy.

V.1 Ngân sách độ trễ

Trẻ mất kiên nhẫn nhanh hơn người lớn. Mục tiêu dưới 1,2 giây từ lúc trẻ nói xong tới lúc Bingo bật tiếng.

V.2 Đường thoại: bỏ Inworld hay giữ?

Giữ Inworld cho tới hết M1 vì nó đang chạy. Song song dựng đường thoại tự ghép để so sánh trên ba tiêu chí: giá mỗi phút, độ trễ đo từ Hà Nội, và mức kiểm soát prompt. Quyết định chốt ở cuối M1. Tự ghép có lợi thế lớn ở chỗ thay được từng mảnh khi giá thay đổi, và đưa được giáo án FLYER vào giữa.

V.3 Việc trên firmware

• Từ đánh thức (câu nói để gọi máy dậy) “Hello Bingo” chạy ngay trên chip, cộng với nút nhấn là đường vào chính.
• Nén âm thanh theo chuẩn Opus (chuẩn nén tiếng nói cho đường truyền mạng), phát tiếng theo dòng, chống vọng cơ bản.
• Cập nhật firmware qua mạng, gọi tắt là OTA (đẩy bản vá từ xa, không phải cầm máy về), ngay từ M1. Thiếu OTA thì mỗi lần sửa lỗi đều rất tốn công.
• Ghép Wi-Fi bằng captive portal (trang cài đặt tự bật lên khi vừa kết nối), kèm mã ghép 6 số hiện trên màn TFT để nối với tài khoản FLYER.
• Màn 1.54" chỉ dùng cho biểu cảm mặt Bingo, mức pin, trạng thái mạng. Không hiển thị nội dung học. Đó là lời hứa "không màn hình" của sản phẩm.

VI.Nối vào hệ FLYER

Đây là thứ tạo khác biệt giữa Bingo Robot và một chiếc loa thông minh nhập sẵn rồi dán nhãn. Mỗi phiên nói phải chảy về đúng hồ sơ học sinh trên FLYER.

VII.Lộ trình M1 → M5

Năm mốc, mỗi mốc có một cửa kiểm tra. Chưa qua cửa thì nên dừng lại xử lý trước khi sang mốc sau, kể cả khi lịch hơi trễ.

VIII.Đường đi phần cứng & BOM

Ba chặng đi tuần tự. Chặng nào cũng dùng chung firmware và chung gateway để phần mềm không phải làm lại.

Yêu cầu phần cứng bắt buộc

• Mic đủ tốt để nghe trẻ con. Giọng trẻ cao và nhỏ, mic kém sẽ ảnh hưởng tới toàn bộ trải nghiệm. Nên cân nhắc hai mic để khử ồn.
• Loa đủ to. Trẻ sẽ dùng trong phòng có tiếng TV. Loa yếu thì trẻ phải ghé sát tai, mất cảm giác đang trò chuyện.
• Pin đủ một buổi tối. Bốn giờ nói liên tục là mức tối thiểu, sạc qua USB-C.
• Một nút nhấn to. Nút nhỏ khá khó cho trẻ 6 tuổi. Nút to, có phản hồi rung hoặc tiếng tách rõ.
• Rơi từ mặt bàn không vỡ. Đồ dùng của trẻ khó tránh khỏi va rơi.

IX.Chi phí, giá bán & dự phóng

IX.1 Chi phí mỗi phút nói

Theo mặt bằng giá tháng 7/2026, một đường thoại ghép từ ba mảnh ASR + LLM + TTS (nghe ra chữ → nghĩ câu trả lời → đọc thành tiếng) rơi vào khoảng 0,007 đến 0,091 đô mỗi phút hội thoại tùy chọn nhà cung cấp nào. Khoảng cách hơn 10 lần này là dư địa để tối ưu.

Giả định 12 phút mỗi ngày, 22 ngày mỗi tháng. Kết luận: nếu không giới hạn thời lượng thì bài toán chi phí rất khó cân, và chọn nhà cung cấp đắt sẽ đội chi phí lên nhiều lần.

IX.2 Các cần gạt để kéo chi phí xuống

• Đặt trần phút nói mỗi ngày theo gói. Trần này cũng chính là thứ phụ huynh muốn có.
• Thu sẵn âm thanh cho các câu khung lặp đi lặp lại: câu chào, câu khen, luật trò chơi, câu chốt phiên. Nhóm này chiếm phần lớn số câu Bingo nói và tốn 0 đồng nếu phát file có sẵn.
• Dùng model nhỏ, prompt ngắn, cache phần giáo án cố định.
• Bắt buộc Bingo nói ngắn. Luật "tối đa 2 câu" vừa đúng sư phạm vừa giảm chi phí tổng hợp giọng.
• Đo chi phí theo từng máy ngay từ M3, thay vì đợi tới lúc có 1.000 máy.

IX.3 Ba gói bán

Khung giá đang cân nhắc, mỗi gói đã gồm máy và 12 tháng sử dụng. Phần nội dung từng gói bên dưới là đề xuất để phân tầng cho hợp lý, chưa phải chốt.

IX.4 Dự phóng tài chính theo sản lượng

Bốn mốc sản lượng, cùng một cơ cấu gói. Giả định tỉ trọng bán ra (mix) là Lite 50%, Pro 35%, Promax 15%, cho giá bán bình quân (ASP) 3.400k mỗi máy. Tất cả là mô hình để bàn, chưa có báo giá nhà máy nào đứng sau.

IX.5 Vài điều bảng trên chưa nói hết

• Chi phí AI là chi phí năm đầu, không phải một lần. Từ năm thứ hai, mỗi máy còn hoạt động vẫn tốn tiền. Nếu tỉ lệ gia hạn chỉ đạt 40% ở mức 124k mỗi tháng, doanh thu gia hạn khoảng 595k mỗi máy mỗi năm, trong khi chi phí AI cho nhóm còn dùng vẫn quanh 480k. Phần đuôi này gần như hòa, nên giá trị thật nằm ở năm đầu.
• Phương án Promax 4.900k. Nếu tách giá, giá bán bình quân lên 3.550k, biên đóng góp mỗi máy tăng thêm 150k. Ở mức 10.000 máy là thêm 1,5 tỷ, ở mức 100.000 máy là thêm 15 tỷ, mà không tốn thêm đồng chi phí nào. Đây là cần gạt rẻ nhất trong cả bảng.
• Mốc 100.000 và 1.000.000 vượt khỏi thị trường Việt Nam. Với quy mô đó phải tính tới xuất khẩu hoặc bán qua đối tác nước ngoài, kéo theo chứng nhận từng thị trường và chi phí bán hàng cao hơn con số đang giả định.
• Chi phí bán hàng là chỗ dễ sai nhất. Ở 1.000 máy có thể bán cho tệp phụ huynh sẵn có gần như không tốn gì. Từ 10.000 máy trở lên phải mua khách, và con số 350k đến 650k mỗi máy mới chỉ là ước lượng, cần đo bằng một chiến dịch thật ở M4.
• Chưa tính vốn lưu động (tiền phải ứng ra mua hàng trước khi bán được). Đặt 100.000 máy nghĩa là ứng trước 40 tỷ tiền hàng trước khi thu được đồng nào. Đây thường là chỗ làm phần cứng chết chứ không phải biên lợi nhuận.

X.An toàn trẻ em & dữ liệu

Đây là sản phẩm ghi âm giọng trẻ em trong nhà. Một sự cố cũng đủ ảnh hưởng lâu dài tới niềm tin, nên xử lý ngay từ M1 chứ không để tới lúc bán.

XI.Chỉ số đo thành công

Một chỉ số bắc cầu duy nhất: số phút trẻ thật sự nói tiếng Anh mỗi tuần. Các chỉ số còn lại là phụ trợ.

Riêng chỉ số học thuật, đo bằng độ dài câu trung bình và số từ khác nhau trẻ dùng được, so mốc tuần 1 với tuần 12. Đây là bằng chứng bán hàng mạnh nhất nếu có thật, nên đo cẩn thận ngay từ M3.

XII.Rủi ro & việc cần chốt

Việc cần chốt trước khi bắt đầu M1

1. Ai làm chủ dự án này toàn thời gian? Phần cứng cần một người theo sát, khó làm xen kẽ với việc khác.
2. Ngân sách M1–M3 và ai duyệt chi mua board, mua linh kiện, in vỏ.
3. Nội dung 10 chủ đề đầu lấy từ kho FLYER hay soạn mới? Ai duyệt về mặt sư phạm?
4. Bingo Gateway dựng trong hạ tầng nào, ai trực khi có sự cố vào buổi tối.
5. Bán thẳng cho phụ huynh trước hay đi qua trung tâm trước? Câu trả lời này ảnh hưởng tới cả M4.

Tài liệu nội bộ FLYER · Bản 0.1 ngày 17/08/2026 · Nguồn tham chiếu: brochure Bingo Robot 07/2026, board xingzhi-cube-1.54tft-wifi, mặt bằng giá voice API tháng 7/2026. · ← Roadmap