Chẩn đoán nhanh chóng COVID-19 là rất quan trọng trong việc ngăn chặn sự lây lan của bệnh. Có nhiều giải pháp như sử dụng bộ Kit xét nghiệm sớm hay sử dụng công nghệ mới, hiện đại. Một trong những giải pháp chúng tôi hướng tới là ứng dụng trí tuệ nhân tạo. Đã có nhiều nghiên cứu khác trong lĩnh vực này nhưng với sự đa dạng và tốc độ phát triển nhanh chóng của các chủng mới, không có giải pháp nào là hoàn chỉnh. Cũng vì lý do đó, chúng tôi đã tham gia nghiên cứu để có thể chẩn đoán sớm người mắc COVID-19 thông qua các bản ghi âm tiếng ho. Trong bài báo này, chúng tôi trình bày một mô hình CNN và kỹ thuật tăng cường dữ liệu âm thanh trong chẩn đoán COVID-19. Mô hình sử dụng các tính năng của MFCC làm dữ liệu đầu vào. Kết quả thử nghiệm của các mô hình trên bộ dữ liệu “Virufy” được đánh giá dựa trên kết quả ROC AUC từ 85,3% đến 98,7%, AUC của bộ dữ liệu thử nghiệm công khai là 99,5% và AUC của bộ dữ liệu thử nghiệm riêng tư là 82,9%.Rapid diagnosis of COVID-19 is crucial in preventing the spread of the disease. There are many solutions such as using early test kits or using new and modern technologies. One of the solutions, we aim to achieve is the application of artificial intelligence. There are many other types of research in this area but with the diversity and rapid growth of new strains, there is no such thing as a complete solution. For the same reason, we have joined the study to be able to diagnose people with COVID-19 early through cough recordings. In this paper, we present a CNN model and audio data augmentation in the COVID-19 diagnosis. The model uses features of MFCCs as input data. The test results of the models on the Virufy dataset, which are evaluated based on the ROC AUC results from 85.3% to 98.7%, the AUC of the public test dataset is 99.5% and the AUC of the private test dataset is 82.9%.