Từ demo ESP32-S3 + Inworld thành trợ giảng tiếng Anh phần cứng cho học sinh tiểu học, chạy trên dữ liệu FLYER.
Mới · Bingo Robot
Chào Bingo Robot. Nói cả ngày, không cần màn hình.
Bạn AI cỡ lòng bàn tay, giúp trẻ nói tiếng Anh mà không cần màn hình.
BingoHôm nay mình nói về quần áo!
Con bạnI am wearing a blue T-shirt!
BingoGiỏi quá! Thế giày của con màu gì?
🗣️
100% không màn hìnhChỉ luyện nói, không có gì để nhìn
🎂
Hợp với trẻ 4–11 tuổiLàm riêng cho học sinh nhỏ
📊
Nền tảng FLYERMọi phiên nói đều được ghi lại
Xuất xứ / Prompt / Giới hạn
Phiên bản
0.1, bản thảo
Ngày
17/08/2026
Owner
Tùng (Product)
Trạng thái
Demo v0 chạy được
Mốc gần nhất
M1, 30/09/2026
Ngày 17/08/2026, yêu cầu nguyên văn:
Hãy build cho anh một file roadmap tiếp theo, làm sao phát triển product này thành một Trợ Giảng AI Bingo phần cứng, đồng hành dạy tiếng Anh cho trẻ em tiểu học nhé
Tài liệu do trợ lý AI soạn trong một phiên làm việc. Đây là bản đề xuất để thảo luận, chưa phải quyết định của đội sản phẩm.
Nguồn: brochure Bingo Robot 07/2026 (dựng lại bằng tiếng Việt); board xingzhi-cube-1.54tft-wifi; giá voice API 07/2026; dữ liệu usage nội bộ kéo 15–16/08/2026 (báo cáo học sinh exam.flyer.us + study.flyer.us, báo cáo giáo viên, dữ liệu Call Bingo).
Giới hạn:
Giá vốn, chi phí API, mốc thời gian và toàn bộ dự phóng là giả định, chưa có báo giá nhà máy.
Bảng giá vốn theo chặng là ước tính linh kiện ESP32-S3 phổ thông; cần báo giá từ ít nhất 2 nhà máy (mức 1.000 và 5.000 máy, kèm phí khuôn).
Nội dung từng gói bán là đề xuất phân tầng, chưa chốt.
“Phút nói mỗi phiên” là thời lượng tiếng nói ghi nhận được, không phải thời gian mở màn hình.
1,55 triệu là tổng tài khoản đã tạo, không phải người dùng thực; nhóm trường / lớp / tự học có thể chồng lấn.
Số giáo viên 12 tháng dùng định nghĩa khác số giáo viên 30 ngày trong báo cáo học sinh.
Cấu trúc bảng dữ liệu bên platform cần xác nhận với team backend: phiên robot ghi vào đâu, tính chung hay tách thời gian học, mỗi tài khoản gắn tối đa mấy thiết bị.
Video 2: ô mờ ở đỉnh màn là thanh trạng thái của firmware mẫu, đã che.
I.Vì sao làm Bingo Robot AI
I.1 Nền đã có sẵn gì
exam.flyer.us + study.flyer.us:
1.554.347
tài khoản học sinh
6,5 triệu
lượt nộp bài (80,5% tự học)
1,13 triệu
giờ học
33.988
học sinh hoạt động 30 ngày
13.969
giáo viên hoạt động 12 tháng (+20%)
149.796
lượt giao bài / 12 tháng
571.834
phiên hội thoại AI / 12 tháng
189.063
lượt AI chấm Speaking / 12 tháng
study.flyer.us: 45.842 học sinh (trường 23.488 · lớp 13.093 · tự học 9.261). Nội dung làm: đề thi 45%, mini test 16%, luyện tập 13%.
I.2 Chỗ đang hụt: thời lượng nói
Trong toàn bộ hoạt động của học sinh, phần nói chiếm bao nhiêu
6.504.161 lượt nộp bài so với 215.651 phiên Call Bingo.
~0,5 phút
tiếng nói / phiên Call Bingo
49%
phiên trẻ không nói câu nào
13.851
học sinh chỉ dùng 1 lần
5.178
học sinh quay lại ≥ 11 lần
Mỗi phiên Call Bingo trẻ nói được bao nhiêu lượt
215.651 phiên, tính tới 15/08/2026.
Trẻ chịu nói khi đã vào nhịp; điểm nghẽn là bước bắt đầu.
Giờ học trong ngày trên study.flyer.us
1,2 triệu phiên. Khung 19–21h chiếm 41%.
Cao điểm buổi tối, tại nhà: đúng chỗ đặt thiết bị.
39 phút
học / tuần (trung vị)
1,2%
quay lại ngày thứ 7
0,75%
học sinh đăng ký > 2 năm còn hoạt động
85,1%
lượt nộp từ máy tính
Rào cản là thao tác mở máy, không phải nội dung.
I.3 Ba thứ một thiết bị nhỏ thay đổi được
Bỏ màn hình: lý do mua chính của phụ huynh.
Nói là mặc định: chỉ có nút nhấn và giọng nói.
Có mặt trong nhà: nằm sẵn trên bàn học.
Doanh thu mới: bán thiết bị một lần + thuê bao; B2B bán giọng mascot riêng.
Mục tiêu 12 tháng
08/2027: 1.000 máy hoạt động, 60 phút nói / trẻ / tuần, hiển thị trên tài khoản FLYER.
I.4 USP (điểm khác biệt)
Phần cứng ai cũng đặt được; lợi thế nằm ở những thứ đối thủ không mua được.
USP
Nội dung
Đối thủ mất bao lâu
1. Giáo án Cambridge thật đứng sau
Starters → Flyers đã dạy 45.842 học sinh; có cấp độ, thứ tự bài, từ mục tiêu.
Vài năm, và phải có đội học thuật
2. Mọi phút nói thành báo cáo
Hồ sơ học sinh, khiên Cambridge, ứng dụng phụ huynh, chấm Speaking đã chạy.
1–2 năm dựng nền tảng
3. Không màn hình mà vẫn đo được
Không màn hình nhưng vẫn có dữ liệu tiến bộ.
Không mua được, phải có nền tảng riêng
4. Kênh phân phối đã có sẵn
13.969 giáo viên, mạng lưới trung tâm và đại lý, tệp phụ huynh sẵn có.
Vài năm, và tốn rất nhiều tiền
5. Giọng riêng cho từng trung tâm
Mascot hoặc giọng giáo viên của trung tâm; trung tâm thành kênh bán.
Cần cả hạ tầng lẫn quan hệ trung tâm
Thêm: gỡ bí bằng tiếng Việt, quen ngữ điệu của trẻ Việt.
I.5 So với các lựa chọn khác của phụ huynh
Bingo Robot
Loa thông minh
Ứng dụng học tiếng Anh
Đồ chơi AI nhập
Trung tâm
Không màn hình
Có
Có
Không
Tùy máy
Có
Giáo án theo cấp Cambridge
Có
Không
Có
Không
Có
Báo cáo tiến độ cho phụ huynh
Có
Không
Có
Không
Thủ công
Nối được với lớp của giáo viên
Có
Không
Một phần
Không
Có
Trẻ thật sự nói ra tiếng
Có
Không dạy
Rất ít
Có
Chia cả lớp
Chi phí quy về mỗi tháng
~245k
—
100–200k
~300k
1,5–3 tr
Đối thủ thật là buổi học thêm: rẻ hơn 6–10 lần, có mặt 7 ngày / tuần.
Một câu định vị
Loa biết nói nhưng không dạy · ứng dụng biết dạy nhưng trẻ ngại nói · trung tâm dạy tốt nhưng đắt. Bingo Robot gộp cả ba.
Video 1 · bản đang phát triểnBingo kể chuyện trên board xingzhi-cube
Giao diện tiếng Việt, màn chờ logo FLYER.
“Once… upon… a… time…”, “happy to go slower for you”
Tự chậm lại khi trẻ chưa theo kịp.
Trạng thái “Đang nói” kèm phụ đề tiếng Anh
Màn chờ mang logo FLYER và Bingo
Thiết bị mẫu dạng tròn, nhiều màu vỏ
Video 2 · thiết bị mẫu, 02/2026Bingo hỏi đáp trên thiết bị mẫu dạng tròn“Hello there”, “ready for an awesome English…”
Phần còn thiếu không ở kỹ thuật thoại, mà ở giáo án và dữ liệu.
Khoảng trống
Vấn đề hiện tại
Giải ở mốc
Không có sư phạm
Trò chuyện tự do, không bám chương trình, không biết trình độ.
M1
Không có dữ liệu
Nói xong là mất; phụ huynh không thấy gì.
M2
Không có danh tính người dùng
Chưa gắn tài khoản, chưa biết bé nào.
M2
Phụ thuộc một nhà cung cấp
Giá, độ trễ, kiểm soát nội dung đều phụ thuộc Inworld.
M1
Chưa có rào an toàn
Chưa lọc chủ đề, chưa giới hạn thời lượng, chưa có chế độ phụ huynh.
M1
Hình hài chưa phải sản phẩm
Board trần: chưa vỏ, pin, loa, nút to.
M3
Ưu tiên: sư phạm và dữ liệu trước, vỏ và pin sau.
III.Định vị & người dùng
Bạn nói tiếng Anh của trẻ tiểu học, có giáo án và sổ liên lạc.
Người dùng
Họ cần gì
Bingo đưa cái gì
Trẻ 6–11 tuổi người dùng chính
Một bạn không phán xét, nói chậm, khen nhiều, chơi được trò chơi.
Hội thoại theo chủ đề, trò chơi bằng lời, giọng ấm, không bao giờ chê.
Phụ huynh người trả tiền
Bằng chứng con có tiến bộ, yên tâm về nội dung và thời gian.
Báo cáo tuần trên ứng dụng FLYER, giới hạn giờ, nhật ký chủ đề đã nói.
Giáo viên / trung tâm kênh B2B
Học sinh luyện nói ở nhà đúng bài đang dạy trên lớp.
Giao chủ đề từ FLYER Teacher xuống robot, xem ai luyện ai không.
Dùng được sau 3 bước
Bước 1
Kết nối
Nối Bingo Robot vào Wi-Fi và tài khoản FLYER, mất vài phút.
Bước 2
Trò chuyện
Trẻ nhấn nút và nói, có thể nói tự do hoặc theo chủ đề gợi ý.
Bước 3
Theo dõi
Xem tiến bộ luyện nói bất cứ lúc nào trên nền tảng FLYER.
Bước 3 là khác biệt của FLYER, hiện chưa dựng.
Câu hỏi thường gặp của phụ huynh
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
Nguyên tắc: mỗi phiên có một mục tiêu ngôn ngữ cụ thể.
IV.1 Bám chương trình Cambridge
Khung Starters / Movers / Flyers có sẵn, chia theo chủ đề. Mỗi chủ đề gồm:
10–15 từ mục tiêu và 3–5 mẫu câu.
Một mục tiêu đo được, ví dụ “tự nói 5 câu về quần áo”.
Một trò chơi bằng lời (đoán đồ vật, kể tiếp chuyện, Simon says).
IV.2 Cách Bingo dẫn một phiên
Chào và chọn. Trẻ chọn 1 trong 2 chủ đề.
Khởi động. 3 câu hỏi trả lời bằng một từ.
Vào chủ đề. Từ mới kèm ngữ cảnh, hỏi lại.
Sửa bằng nhắc lại. Nhắc câu đúng rồi hỏi tiếp, không chấm điểm giữa chừng.
Trò chơi. 2–3 phút chốt từ vừa học.
Chốt phiên. Tóm tắt số câu, từ mới; đẩy dữ liệu lên FLYER.
IV.3 Ba luật cứng trong prompt
Luật
Cách làm
Bingo nói ít hơn trẻ
Tối đa 2 câu mỗi lượt, luôn kết bằng câu hỏi.
Chỉ dùng tiếng Việt khi trẻ bí
Một câu gỡ bí rồi quay lại tiếng Anh.
Không bao giờ chê
Nhắc lại câu đúng, không chỉ ra lỗi.
IV.4 Đo trình độ mà không kiểm tra
Không làm bài test. Suy từ hội thoại: độ dài câu, số từ khác nhau, tỉ lệ trả lời không cần gợi ý. Sau 2 tuần tự điều chỉnh độ khó.
V.Kiến trúc kỹ thuật đích
Kiến trúc đích của Bingo Robot
Thiết bị chỉ thu và phát tiếng; phần dạy nằm ở Gateway, sửa được mà không thu hồi máy.
V.1 Ngân sách độ trễ
Mục tiêu: dưới 1,2 giây từ lúc trẻ nói xong tới lúc Bingo trả lời.
Chặng
Ngân sách
Ghi chú
Nhận biết trẻ nói xong (VAD, máy tự biết lúc nào trẻ dứt lời)
150–250 ms
Chạy ngay trên thiết bị, không chờ server
Mạng VN → Singapore
40–80 ms
Wi-Fi nhà dân là biến số lớn nhất
ASR ra chữ cuối (máy nghe xong, ra chữ)
150–300 ms
Xử lý theo dòng, không chờ nghe hết câu
LLM ra chữ đầu tiên (mô hình bắt đầu trả lời)
300–500 ms
Dùng model nhỏ, câu lệnh ngắn, lưu sẵn phần cố định
TTS ra đoạn tiếng đầu (đọc thành tiếng)
150–300 ms
Phát ngay đoạn đầu, không chờ tổng hợp xong cả câu
Tổng
0,8–1,4 s
Nên đo tại nhà dân, không chỉ đo ở văn phòng
Ngân sách độ trễ một lượt trả lời
Giá trị giữa mỗi khoảng: tổng ~1,11 s.
Nhận biết trẻ nói xong (trên máy)Mạng VN → SingaporeNhận dạng tiếng nóiMô hình nghĩ câu trả lờiTổng hợp giọng
Mô hình + nhận dạng chiếm quá nửa thời gian và cũng đắt nhất.
Mẹo che độ trễ
Tiếng đệm (“Hmm…”) + nháy mắt trên màn ngay khi trẻ dứt lời: che được ~400 ms.
V.2 Đường thoại: bỏ Inworld hay giữ?
Giữ Inworld hết M1, song song thử đường tự ghép. So giá / phút, độ trễ từ Hà Nội, quyền kiểm soát prompt; chốt cuối M1.
V.3 Việc trên firmware
Wake word (từ đánh thức) “Hello Bingo” + nút nhấn.
Nén Opus (chuẩn nén tiếng nói), phát theo dòng, chống vọng.
OTA (cập nhật firmware từ xa) ngay từ M1.
Ghép Wi-Fi qua captive portal (trang cài đặt tự bật) + mã 6 số nối tài khoản.
Màn 1.54" chỉ hiện biểu cảm, pin, mạng; không hiện nội dung học.
VI.Nối vào hệ FLYER
Điểm nối
Nội dung
Mốc
Ghép tài khoản
Mã 6 số trên ứng dụng; nhiều bé thì chọn bằng giọng nói.
M2
Ghi phiên nói
Thời lượng, chủ đề, lượt nói, số câu, từ mới, độ dài câu. Nguồn dữ liệu riêng cho robot.
M2
Báo cáo phụ huynh
Phút nói, chủ đề, số câu, biểu đồ ngày + tóm tắt tuần qua Zalo.
M2
Giao bài từ giáo viên
Chủ đề chọn trong FLYER Teacher được ưu tiên ở phiên sau.
M4
Giọng mascot / giáo viên
Nhân bản giọng cho trung tâm; cần văn bản đồng ý.
M5
Nối với chấm Speaking
Chấm 1 mẫu / tuần, quy về khiên Cambridge.
M4
Tiến bộ đo được
Mọi cuộc trò chuyện đều nằm trên FLYER.
Phụ huynh và giáo viên xem phút nói, chủ đề, tiến bộ.
Hành trình luyện nói của An
Nền tảng FLYER · tuần này
🦊
86 phút
Thời lượng nói
6
Chủ đề đã học
412
Câu đã nói
🟢 Tự động đồng bộ sau mỗi phiên nói
Đích M2. Hiện là bản vẽ.
Điểm gắn. Robot dùng chung hồ sơ với Call Bingo trong ứng dụng.
Giọng nói riêng cho đối tác
🦊
Giọng riêng của BingoẤm, tinh nghịch, chỉnh riêng cho trẻ nhỏ.
🏫
Mascot của trung tâmTrung tâm đưa linh vật riêng vào máy.
👩🏫
Giọng chính thầy côBingo nói bằng giọng cô giáo mà con đang học.
Giọng Bingo cho bán lẻ; mascot và giọng giáo viên cho trung tâm (M5).
VII.Lộ trình M1 → M5
Mỗi mốc có một cửa kiểm tra; chưa qua thì chưa sang mốc sau.
Lịch tổng, 08/2026 → 09/2027
Ba mốc đầu 4 tháng; dài nhất là sản xuất và chứng nhận.
Vùng mờ: phụ thuộc nhà máy và chứng nhận.
M0 · Đã xong · 08/2026
Demo nói được Done
XiaoZhi + Inworld nói được; brochure 4 trang.
M1 · 6 tuần · tới 30/09/2026
Bingo có giáo án
Từ trò chuyện tự do sang trợ giảng có mục tiêu. Chưa cần vỏ.
Bingo Gateway (máy chủ trung gian) chứa giáo án và rào an toàn.
3 chủ đề Starters hoàn chỉnh.
Prompt sư phạm theo IV.3 + bộ hội thoại kiểm thử hồi quy (chạy lại để bắt lỗi khi sửa prompt).
Rào an toàn: chặn chủ đề ngoài phạm vi, tối đa 20 phút / phiên.
Wake word + OTA; đo độ trễ tại 5 nhà.
Chốt Inworld hay đường tự ghép.
Cửa kiểm tra5 trẻ × 3 phiên: trẻ nói nhiều hơn robot; ≥ 4/5 trẻ xin nói tiếp.
M2 · 5 tuần · tới 05/11/2026
Mỗi phiên nói đều để lại dấu vết
Nối tài khoản FLYER: từ đồ chơi thành dịch vụ.
Ghép bằng mã 6 số, chọn bé bằng giọng nói.
Dữ liệu phiên lên platform (bảng riêng).
Báo cáo phụ huynh trong ứng dụng + tóm tắt tuần qua Zalo.
Chế độ phụ huynh: giờ được nói, nhật ký chủ đề.
Mở rộng lên 10 chủ đề Starters + 5 chủ đề Movers.
Cửa kiểm traPhụ huynh mở báo cáo ≥ 2 lần / tuần, 3 tuần liên tiếp.
M3 · 6 tuần · tới 20/12/2026
Alpha 20 máy trong nhà thật (alpha = bản thử nội bộ)
Lần đầu có vỏ và ra khỏi văn phòng.
Vỏ in 3D, pin 4 giờ, loa to, nút nhấn to.
20 máy cho gia đình nhân viên và phụ huynh thân thiết, 6 tuần.
Đo số ngày dùng / tuần, độ dài phiên, tuần bắt đầu giảm.
Đếm chi phí theo từng máy.
Quy trình hỗ trợ khi lỗi Wi-Fi.
Cửa kiểm traSau 6 tuần, ≥ 12/20 máy dùng ≥ 3 ngày / tuần. Cửa khó nhất.
M4 · 10 tuần · tới 15/03/2027
Beta có thu tiền, 150–200 máy (beta = bản thử với khách thật)
Có người trả tiền; sản xuất lô nhỏ.
Lô 200 máy, vỏ khuôn mềm hoặc khuôn nhôm.
Bán cho tệp phụ huynh FLYER (giá ở mục IX).
Giao bài từ FLYER Teacher, thử với 2 trung tâm.
Chấm Speaking hằng tuần.
Chốt giá / phút nói ở quy mô thật.
Cửa kiểm tra150 máy / 8 tuần không giảm giá; đổi trả < 5%; chi phí vận hành < 40% thuê bao.
M5 · Q2–Q3/2027
Sản xuất và mở kênh B2B
Sản xuất thật, mở kênh trung tâm.
ODM (nhà máy sản xuất trọn gói): EVT → DVT → PVT (ba vòng mẫu thử); bo mạch riêng.
Chứng nhận vô tuyến + an toàn đồ chơi; bắt đầu sớm.
Giọng mascot riêng, bán kèm khóa học.
Lô 1.000 máy qua trung tâm và đại lý.
Cửa kiểm traBán có lãi ở giá phụ huynh chấp nhận; ≥ 3 trung tâm đặt ≥ 50 máy.
VIII.Đường đi phần cứng & giá vốn
Các chặng dùng chung firmware và Gateway.
Chặng
Hình hài
Giá vốn/máy
Số lượng
M1–M2
Board dev xingzhi-cube trần, cắm nguồn USB
~300–500k
5–10
M3
Board dev + vỏ in 3D + pin + loa ngoài
~700k–1tr
20
M4
Bo mạch gộp, vỏ khuôn mềm, lô nhỏ
~600–800k
200
M5
Bo mạch riêng, vỏ khuôn nhôm, ODM
~350–500k
1.000+
Yêu cầu phần cứng
Mic: nghe rõ giọng trẻ; cân nhắc 2 mic khử ồn.
Loa: đủ to khi có tiếng TV.
Pin: ≥ 4 giờ nói, sạc USB-C.
Nút nhấn: to, có phản hồi rung hoặc tiếng tách.
Độ bền: rơi từ mặt bàn không vỡ.
IX.Chi phí, giá bán & dự phóng
IX.1 Chi phí mỗi phút nói
ASR + LLM + TTS (nghe → nghĩ → nói): 0,007–0,091 USD / phút tùy nhà cung cấp (giá 07/2026).
Kịch bản
Phút/tháng
Giá/phút
Chi phí/máy/tháng
Trẻ dùng đều, đường thoại rẻ
260
$0,010
~68k đ
Trẻ dùng đều, đường thoại cao cấp
260
$0,035
~238k đ
Trẻ nói nhiều, chưa giới hạn
600
$0,035
~550k đ
Chi phí đường thoại mỗi máy mỗi tháng
Giả định 12 phút / ngày, 22 ngày / tháng.
Kịch bản rẻ nhất đã chạm trần: trần phút nói là bắt buộc.