Bạn đã bao giờ lướt web và tự hỏi “Đây là cái gì?” hoặc “Mua nó ở đâu?” chưa? Nếu có, bạn không đơn độc. May mắn thay, các công cụ nhận diện hình ảnh tích hợp trình duyệt như Google Lens trong Chrome và Microsoft Copilot Vision trong Edge đã ra đời để hỗ trợ. Nhưng đâu mới là lựa chọn tốt nhất?
Google Lens được tích hợp sẵn trong trình duyệt Chrome và cũng có mặt dưới dạng ứng dụng di động trên smartphone. Tương tự, trước ngày 12 tháng 6 năm 2025, Copilot Vision của Microsoft cũng chỉ giới hạn trong Microsoft Edge, có thể truy cập thông qua cờ Copilot Vision (edge://flags/#edge-copilot-vision). Tuy nhiên, bản cập nhật Copilot Vision mới nhất của Microsoft đã cho phép người dùng Windows 10 và Windows 11 sử dụng công cụ AI này trên toàn hệ điều hành, mặc dù tại thời điểm hiện tại chỉ giới hạn cho người dùng tại Mỹ. Vậy, với những tính năng độc đáo, công cụ nào sẽ thực sự nổi bật trong việc hỗ trợ bạn tìm kiếm và tương tác với thế giới kỹ thuật số? Chúng ta hãy cùng đi sâu vào so sánh để tìm ra câu trả lời phù hợp nhất cho nhu cầu của bạn.
Khả năng tìm kiếm và nhận diện đối tượng: Ai giúp bạn tìm đồ nhanh hơn?
Để so sánh tốc độ và độ chính xác của Google Lens và Copilot Vision trong việc nhận diện đối tượng cũng như đưa ra các gợi ý hữu ích, tôi đã thử nghiệm cả hai công cụ trên cùng một số trang web. Cụ thể, tôi sử dụng một bài viết blog về các chất liệu vải áo sơ mi, tập trung vào phần nói về vải Oxford, và một bài đăng về cây cảnh được chia sẻ trong một nhóm Facebook.
Kết quả cho thấy cả Google Lens và Copilot Vision đều nhận diện đối tượng ngay lập tức. Cả hai đều xác định đúng loại cây là cây Moringa. Tuy nhiên, có sự khác biệt trong cách chúng mô tả chiếc áo sơ mi Oxford. Google Lens mô tả nó là “Nylon Black Oxford Fabric” (Vải Oxford nylon đen), trong khi Copilot Vision gọi nó là “Oxford Shirt and Fabric” (Áo sơ mi và vải Oxford).
Sự khác biệt thực sự xuất hiện trong các hành động tiếp theo mà mỗi công cụ thực hiện.
Google Lens tỏ ra vượt trội hơn hẳn nếu mục tiêu của bạn là tìm kiếm hoặc mua sản phẩm bạn đang xem. Nó không chỉ gợi ý các mặt hàng tương tự mà còn cung cấp các liên kết sản phẩm có thể nhấp vào, dẫn bạn đến các cửa hàng hoặc bài viết blog để tìm hiểu thêm hoặc thực hiện giao dịch mua hàng. Bố cục hiển thị kết quả ở dạng thanh bên (sidebar) giúp người dùng dễ dàng duyệt qua mà không cần rời khỏi trang hiện tại, tạo ra trải nghiệm mua sắm và tìm kiếm thông tin liền mạch.
Ngược lại, Copilot Vision không đưa ra gợi ý sản phẩm hay điều hướng bạn đến các nguồn bên ngoài. Chức năng chính của nó là nhận diện nội dung trên trang và trả lời các câu hỏi bạn có về nó. Thật thú vị khi tìm hiểu về lợi ích sức khỏe của Moringa oleifera từ bài đăng trên Facebook. Khi tôi hỏi liệu có thể trồng cây này trong phòng khách hay không, câu trả lời là “Có lẽ không.” Trong khía cạnh này, Copilot Vision rất hữu ích nếu bạn chỉ muốn hiểu rõ về một thứ gì đó mình đang xem, nhưng lại không phải là lựa chọn tối ưu nếu bạn đang tìm kiếm để khám phá hoặc mua sắm.
Khả năng xử lý văn bản: Sao chép, dịch thuật và hỏi đáp
Tiếp theo, tôi đã thử nghiệm cả hai công cụ với các tác vụ liên quan đến văn bản, bao gồm sao chép, dịch thuật và đặt câu hỏi chuyên sâu. Tôi sử dụng một tài liệu PDF học tiếng Đức-Anh song ngữ và một ảnh chụp mặt sau thẻ căn cước của mình để đánh giá khả năng xử lý văn bản ở nhiều định dạng khác nhau của mỗi công cụ.
Google Lens thực sự xuất sắc trong việc trích xuất và dịch văn bản từ hình ảnh cũng như tài liệu. Tôi có thể dễ dàng sao chép văn bản từ hình ảnh và dịch ngay lập tức trong thanh bên, điều này cực kỳ hữu ích khi bạn phải làm việc với các tài liệu ngôn ngữ nước ngoài hoặc muốn nhanh chóng lấy số điện thoại, tên hoặc số ID mà không cần phải gõ thủ công. Bạn cũng có thể sử dụng thanh bên để khám phá kết quả tìm kiếm, nhận định nghĩa nhanh chóng hoặc nhập thêm từ khóa để tìm thông tin liên quan. Mọi thao tác đều diễn ra trong bảng điều khiển bên, giúp người dùng dễ dàng theo dõi những gì đang được làm nổi bật.
Kết quả tìm kiếm và trích xuất văn bản từ thẻ căn cước công dân bằng Google Lens trong trình duyệt Chrome
Mặt khác, Copilot Vision, với tư cách là một ứng dụng, không cho phép bạn sao chép văn bản và chỉ cung cấp các bản dịch bằng lời nói, có nghĩa là bạn không thể sao chép hoặc ghi chú như với bản dịch của Google Lens. Tuy nhiên, nó lại xử lý các tương tác thời gian thực với văn bản một cách đáng ngạc nhiên. Ví dụ, khi tôi mở ảnh thẻ căn cước (mà tôi cố tình để lộn ngược), tôi yêu cầu Copilot Vision đọc nội dung trên trang. Nó đã gợi ý xoay ảnh và phóng to. Sau khi tôi thực hiện, nó đã đọc rõ văn bản và thậm chí còn cung cấp bản dịch tiếng Đức khi tôi yêu cầu.
Đối với các câu hỏi chuyên sâu về văn bản trên trang, Copilot Vision có thể cung cấp bất kỳ làm rõ nào bạn cần về nội dung bạn đang xem. Tuy nhiên, bạn sẽ phải đặt câu hỏi và nhận câu trả lời bằng lời nói (thông qua phản hồi trò chuyện trên màn hình).
Tuy nhiên, bản cập nhật ngày 12 tháng 6 của Copilot Vision có thể sẽ thay đổi tất cả những điều này. Theo Microsoft, Copilot Vision hiện đã bao gồm tính năng “Highlights”, mà đối với tôi, nghe rất giống trang kết quả của Google Lens, được neo vào bên phải màn hình của bạn. Highlights cũng dường như tiến thêm một bước, có thể hiển thị nội dung hữu ích từ các ứng dụng, trình duyệt và tài liệu của bạn; về cơ bản, bất kỳ thứ gì trên PC mà bạn chia sẻ với Copilot Vision. Microsoft tuyên bố rằng bạn thậm chí sẽ không cần phải nhắc Copilot Vision trợ giúp — nó sẽ đề xuất các hành động và tệp liên quan dựa trên hoạt động của bạn. Đáng tiếc, do công cụ này hiện chỉ khả dụng ở Hoa Kỳ, tôi chưa thể tự mình thử nghiệm tính năng này.
Đánh giá khả năng phân tích trang web và tài liệu PDF toàn diện
Copilot Vision thực sự nổi bật khi tôi cố gắng phân tích toàn bộ trang web. Tôi đã thử nghiệm cả hai công cụ trên một cuốn sách PDF đầy đủ và một trang video YouTube, cụ thể là video về ấn tượng WWDC của MKBHD, để xem chúng có thể tóm tắt và cung cấp thông tin chi tiết về nội dung lớn hơn tốt đến mức nào.
Google Lens chủ yếu giới hạn ở các yếu tố riêng lẻ mà bạn nhấp vào (văn bản, đối tượng và hình ảnh). Khi bạn làm nổi bật một thứ gì đó, nó có thể hiển thị thêm thông tin hoặc kết quả tương tự, nhưng nó không xử lý toàn bộ trang hoặc PDF. Vì vậy, tôi chỉ có thể làm nổi bật tiêu đề sách hoặc trang bìa để nhận được kết quả tương tự.
Copilot Vision làm nổi bật một câu văn trong sách PDF, cho thấy khả năng phân tích nội dung toàn diện trên Microsoft Edge
Trong khi đó, Copilot Vision được thiết kế để diễn giải mọi thứ trên trang cùng một lúc. Nó đã trả lời câu hỏi của tôi về điểm chính của tác giả, điều hướng đến phần quan trọng và thậm chí làm nổi bật câu liên quan (mặc dù đôi khi nó bắt đầu bị lỗi và từ chối các yêu cầu tiếp theo sau trường hợp này, có thể do kích thước tệp lớn). Mặc dù hiệu suất của nó đôi khi bị chậm với các tệp lớn, nhưng rõ ràng nó được xây dựng để tương tác với toàn bộ trang và nội dung lớn hơn.
Khi tôi thử nghiệm trên trang video YouTube, Copilot Vision đã tóm tắt những gì MKBHD đã nói và cách video được đón nhận. Nó thậm chí còn cung cấp các số liệu thống kê như lượt xem và lượt thích. Ngược lại, với Google Lens, tôi chỉ có thể làm nổi bật hình ảnh của MKBHD hoặc tiêu đề video để thực hiện tìm kiếm.
Google Lens hay Copilot Vision: Công cụ nào phù hợp nhất với bạn?
Cả Google Lens và Microsoft Copilot Vision đều là những công cụ mạnh mẽ, nhưng chúng phục vụ các mục đích cơ bản khác nhau. Thay vì một công cụ vượt trội hơn hẳn, lựa chọn đúng đắn phụ thuộc vào cách bạn sử dụng công cụ nhận diện trực quan của trình duyệt.
Chọn Google Lens nếu bạn muốn:
- Nhận diện tức thì sản phẩm, quần áo, hoặc cây cối và tìm nơi mua chúng.
- Sao chép và dịch văn bản trực tiếp từ hình ảnh, trang web hoặc tài liệu.
- Sử dụng giao diện thanh bên gọn gàng để duyệt các liên kết và định nghĩa mà không cần rời trang.
- Nhận kết quả tìm kiếm trực quan nhanh chóng và tổng quan AI của Google mà không cần nhiều tương tác.
Google Lens đơn giản, dễ sử dụng và lý tưởng để nhận câu trả lời nhanh chóng về những gì bạn thấy khi duyệt web.
Chọn Copilot Vision nếu bạn muốn:
- Tương tác với các tài liệu, video hoặc toàn bộ trang web phức tạp.
- Đặt các câu hỏi chi tiết và chuyên sâu về nội dung bạn đang đọc hoặc xem.
- Tóm tắt, diễn giải hoặc thảo luận văn bản với một chatbot AI thân thiện.
- Sử dụng giao diện được neo (Highlights) cung cấp nhiều thông tin hơn dựa trên những gì đang hiển thị trên màn hình của bạn (nếu bạn đã có bản cập nhật gần đây).
Copilot Vision không chỉ nhận diện những gì bạn đang xem. Nó mong muốn có một cuộc trò chuyện đầy đủ với bạn về điều đó.
Về khả năng truy cập và sử dụng, Google Lens miễn phí và được tích hợp hoàn toàn vào Chrome mà không có bất kỳ hạn chế sử dụng nào. Copilot Vision, mặt khác, yêu cầu Microsoft Edge với tính năng được bật, và bạn sẽ chỉ có thể sử dụng nó vài lần mỗi ngày trừ khi bạn cân nhắc nâng cấp lên Copilot Pro.
Cá nhân tôi thấy mình sử dụng Google Lens thường xuyên hơn và đó là công cụ tôi sẽ chọn làm công cụ tốt nhất. Hầu hết thời gian, tôi chỉ muốn xác định nhanh một thứ gì đó và tiếp tục, dù đó là một sản phẩm, một từ hay một hình ảnh. Google Lens làm điều đó ngay lập tức, không gây cản trở. Việc nó miễn phí, dễ dàng truy cập trong Chrome (và dưới dạng ứng dụng điện thoại thông minh), không yêu cầu thiết lập bổ sung, khiến nó trở thành công cụ thực tế nhất cho việc duyệt web hàng ngày. Mặc dù Copilot Vision có những thế mạnh riêng, Google Lens vẫn chiến thắng nhờ sự đơn giản và hiệu quả vượt trội cho các nhu cầu phổ biến.
