ĐIỆN tử VIỄN THÔNG 7 đạt chuyển giọng nói thành văn bản khotailieu

Sự ra đời của công nghệ này đã trở thành một xu hướng mới mẻ trong thị trường ứng dụng di động, đặc biệt là những app trước đây đòi hỏi người dùng phải gõ và nhập liệu nhiều.Sau đây, xin

Ứng dụng:

Chuyển giọng nói thành

văn bản

Thực hiện: Phạm Minh Đạt

Chuyển giọng nói thành văn bản

Giới thiệu cơ bản

Trong những bộ phim khoa học viễn tưởng, chúng ta rất

thường hay thấy cảnh con người tương tác với các thiết bị

điện tử bằng giọng nói Giấc mơ này đã có từ khá lâu và bây giờ nó đang dần trở thành hiện thực Những chiếc

smartphone, tablet giờ đây đều có tính năng điều khiển bằng giọng nói, một số sản phẩm thậm chí còn trả lời lại người

dùng như thể hai người đang nói chuyện với nhau Sự ra đời của công nghệ này đã trở thành một xu hướng mới mẻ trong thị trường ứng dụng di động, đặc biệt là những app trước đây đòi hỏi người dùng phải gõ và nhập liệu nhiều.Sau đây, xin chia sẻ với các bạn một vài kiến thức hữu ích về lĩnh vực

này.

Chuyển giọng nói thành văn bản

Vì sao lại là giọng nói ???????

Có cả trăm, cả nghìn ứng dụng cho phép người dùng tìm kiếm, viết

email, ghi chú và đặt lịch hẹn trên smartphone Thế nhưng, với một số người, việc sử dụng bàn phím nhỏ xíu trên điện thoại là không tiện lợi, thậm chí là rất khó chịu Tốc độ gõ của bạn có thể rất nhanh và chính

xác, nhưng cũng có những người như nổi điên lên khi phải xóa đi viết lại chỉ một chữ duy nhất chỉ vì họ bấm nhầm sang những phím bên cạnh.

Giọng nói là giải pháp hợp lý nhất tính đến thời điểm hiện tại Người

dùng không chỉ dùng giọng nói của mình như một phương thức nhập liệu

mà chính bản thân thiết bị cũng có thể dùng giọng nói để đọc ra những thông tin cần thiết Đó là chưa kể đến lợi ích to lớn mà những phần mềm dựa trên giọng nói có thể mang lại cho những người khiếm thị Họ có thể tận hưởng những tiến bộ công nghệ tương tự như những gì mà một người bình thường có thể làm, không còn khoảng cách xuất hiện do những

khiếm khuyết về giác quan

Chuyển giọng nói thành văn bản

Vì sao lại là giọng nói ???????

Tất nhiên,hiện nay công nghệ giọng nói vẫn chỉ mới ở giai đoạn

đầu chứ chưa thể nào thay thế hoàn toàn bàn phím ảo/vật lý hoặc các nút trên màn hình Tuy nhiên, chúng ta đang dần tiến đến một

kỉ nguyên hiện đại hơn, các ứng dụng giọng nói cũng dần dần được hoàn thiện Hãy nhìn vào Google Voice Input, Apple Siri hay mới đây làMicrosoft Cortana là bạn sẽ dễ dàng thấy được xu hướng này Càng ngày những phần mềm nhận dạng giọng nói càng thông minh hơn, khả năng nhận dạng chính xác hơn, thông tin trả về cũng hữu ích và đa dạng hơn Người ta còn áp dụng cả những kĩ thuật như

data mining (khai thác dữ liệu theo chiều sâu, đưa ra những phân tích về nhiều mặt), machine learning (cho phép máy móc tự học hỏi thói quen, hành vi của người dùng) nhằm cải thiện hiệu suất làm việc của công nghệ nhận dạng giọng nói nữa

Chuyển giọng nói thành văn bản

Một số vị dụ trong thế giới công nghệ

Đã có nhiều nghiên cứu về việc triển khai hoặc giới thiệu thành công

những ứng dụng giọng nói Chúng có thể nhắc đến  Ask.com , một dịch vụ cho phép người dùng hỏi và nhận câu trả lời, đã tích hợp công nghệ nhận dạng giọng nói do Nuance phát triển vào ứng dụng iOS và Android của mình Sự liên kết này cho phép người dùng hỏi, trả lời cũng như đăng tải các lời bình luận.

Amazon cũng cập nhật app Kindle trên iOS để hỗ trợ tính năng VoiceOver

trong iOS VoiceOver sẽ tự động đọc nội dung trên màn hình để giúp cho việc xem sách của những người bị khiếm thị được dễ dàng và thuận tiện hơn Hãng cho biết có khoảng 1,8 triệu đầu sách e-book tương thích với tính năng này Bản thân Amazon cũng từng mua lại công ty IVONA

Software vốn cung cấp giải pháp chuyển đổi từ chữ sang giọng nói cho các sách mua từ Amazon

Chuyển giọng nói thành văn bản

Một số vị dụ trong thế giới công nghệ

Và rồi chúng ta có Siri , Google Voice hay Cortana

Đây đều là những ứng dụng được phát triển bởi các

tập đoàn công nghệ lớn với tiềm lực mạnh mẽ và

quy tụ nhiều nhân tài Bộ ba phần mềm này đã

giúp người dùng thiết bị di động tương tác với thiết

bị của mình một cách thông minh hơn, từ việc đặt

câu hỏi, nhận câu trả lời cho đến điều chỉnh các

thông số máy và khởi chạy app

Một việc đơn giản có thể kể đến là đặt lịch hẹn hoặc báo thức Trước đây chúng ta phải mất cả chục thao tác chạm mới đặt xong một sự kiện, còn với Siri, Google Voice hay Cortana, bạn chỉ cần ra lệnh một cái là xong Mọi thao tác, từ việc ghi nội dung cho đến thiết lập giờ giấc, đều được thực hiện một cách tự động Bạn cũng có thể thấy sự xuất hiện ngày càng phổ biến của công nghệ nhận dạng giọng nói trong các ứng dụng

chat/nhắn tin

Chuyển giọng nói thành văn bản

Một số vị dụ trong thế giới công nghệ

Facebook Messenger đã có

tính năng chia sẻ giọng nói

từ lâu nhiều dịch vụ

Over-The-Top như Zalo, Viber và

WhatsApp của nước ngoài

cũng đã nhanh chóng đón

đầu xu hướng để tích hợp

tính năng chat giọng nói

vào sản phẩm của mình

(mặc dù chưa phải là phiên dịch từ giọng nói sang văn bản mà chỉ là gửi tập tin âm thanh).Việc gõ từ bàn phím trở nên quá lâu lắc khi cần nói những nội dung dài, vậy tại sao chúng ta không nói cho nhanh? Đây

cũng là suy nghĩ của hầu hết những người dùng thích chat nhưng phải thường xuyên đối mặt với bàn phím kích cỡ nhỏ trên thiết bị di động

Chuyển giọng nói thành văn bản

Cách thức xây dựng dịch vụ nhận dạng,điều khiển giọng nói

Vậy người ta áp dụng công

nghệ giọng nói vào phần mềm

như thế nào ???????? Thông

thường một bộ máy giọng nói

sẽ có hai phần. Phần thứ

(còn gọi là Text to Speech hay

TTS) Đây là một trình tổng

hợp giọng nói và thiết bị hoặc

ứng dụng dùng để tương tác

với người dùng,ví dụ: đọc văn

bản trên màn hình, thông báo

về tiến độ chạy một tác vụ

nào đó

Chuyển giọng nói thành văn bản

Cách thức xây dựng dịch vụ nhận dạng,điều khiển giọng nói

Phần thứ hai là một công nghệ nhận dạng cho phép app biết được

người dùng đang nói gì, từ đó chuyển thể thành lệnh để thiết bị thực thi hoặc chuyển đổi thành các kí tự nhập liệu Nói cách khác, đây là thứ thay thế cho bàn phím của chúng ta Một ứng dụng nhận dạng giọng nói

lý tưởng sẽ bao gồm cả hai bộ phận nói trên, nhưng một số app chỉ

dùng một cái rồi từ từ nâng cấp sau Siri, Google Voice, Cortana là ví

dụ của những phần mềm tương tác giọng nói lý tưởng, còn Facebook Messenger, Zalo, WhatsApp là các phần mềm chỉ sử dụng giọng nói cho chiều nhập liệu, không có nhiều phản hồi

Thoạt nhìn thì việc triển khai công nghệ nhận dạng giọng nói khá đơn giản, nhưng thực chất thì không phải như thế

Chuyển giọng nói thành văn bản

Cách thức xây dựng dịch vụ nhận dạng,điều khiển giọng nói

Thứ nhất, các nhà phát triển phải xây dựng nên một công nghệ có thể

lắng nghe, phân tích và phiên dịch một cách chính xác giọng nói của

người dùng Nếu không thì làm sao app biết bạn đang nói gì, còn nếu độ chính xác không cao thì cũng như không

đầu các lập trình viên Mỗi quốc gia sẽ có ngôn ngữ của riêng mình, vấn

đề đó là làm thế nào để có thể hỗ trợ càng nhiều ngôn ngữ càng tốt Hiện nay hầu hết những dịch vụ giọng nói đều hỗ trợ tiếng Anh, Google Voice Input trong Android và Voice Dictation trong iOS 8 thì có hỗ trợ tiếng Việt nhưng cũng còn nhiều hạn chế Đó là chưa nói đến việc mỗi vùng miền lại có cách nói, giọng điệu khác nhau mặc dù họ sử dụng cùng một ngôn ngữ

Chuyển giọng nói thành văn bản

Cách thức xây dựng dịch vụ nhận dạng,điều khiển giọng nói

Có một kĩ thuật được nhắc đến nhiều trong thời gian gần đây, đó là Xử

lý ngôn ngữ tự nhiên (Natural Language Processing - NLP) Nó là tập hợp của nhiều thuận toán phức tạp nhằm phân tích mệnh lệnh của người dùng nhưng không bắt buộc họ phải nói theo một cấu trúc câu định sẵn Nhiều năm trước khi muốn điều khiển bằng giọng nói, bạn chỉ có thể nói những thứ như "Mở bản đồ", "Nhắn tin cho vợ", "Báo thức lúc 5 giờ

sáng" Còn bây giờ thì nhờ có NLP, chúng ta có thể nói các câu như

"Siri, vui lòng nhắn tin cho vợ của tôi là tôi sẽ về trễ nhé", hay như "Hãy đánh thức tôi lúc 5 giờ sáng ngày mai"

NLP cũng không phải là đơn giản để phát triển Cả Apple, Google và

Microsoft đều phải đầu tư rất nhiều về tài chính và nguồn lực để có thể đưa NLP lên đến mức tiến bộ như hiện nay Mặc dù vậy, các công ty vẫn phải tiếp tục nghiên cứu để cải thiện độ chính xác cũng như hỗ trợ thêm nhiều ngôn ngữ khác nhau

Chuyển giọng nói thành văn bản

Mô hình triển khai công nghệ giọng nói

Có nhiều cách thức mà các công ty hiện nay đang triển khai voice

technology, có thể kể đến 2 phương pháp phổ biến như sau:

Điện toán đám mây: Trong trường hợp này, việc nhận dạng, xử lý ngôn

ngữ (chính là TTS hoặc NLP đã nói ở trên) sẽ diễn ra trên máy chủ của các công ty cung cấp dịch vụ Phương pháp đám mây giúp việc nhận

dạng được chính xác hơn, ứng dụng thì có dung lượng nhỏ, nhưng bù lại thì thiết bị ở phía người dùng phải luôn kết nối với Internet Độ trễ trong quá trình gửi giọng nói từ máy lên server rồi trả kết quả từ server về lại máy cũng là những thứ đáng cân nhắc Siri, Google Voice, Cortana hiện

đang dùng cách này

Chuyển giọng nói thành văn bản

Mô hình triển khai công nghệ giọng nói

Tích hợp thẳng vào app: Với phương thức này, quá trình xử lý giọng

nói sẽ diễn ra trong nội bộ ứng dụng, không cần giao tiếp với bên ngoài, chính vì thế tốc độ sẽ nhanh hơn Người dùng cũng không bắt buộc phải kết nối vào mạng thường trực Tuy nhiên, giải pháp này gặp nhược điểm

đó là khi có cập nhật hoặc thay đổi gì đó về bộ máy nhận dạng, nhà sản xuất sẽ phải cập nhật lại cả một app, trong khi với phương thức đám mây thì những thay đổi đó chỉ cần làm ở phía server Kích thước ứng dụng cũng sẽ tăng lên, có thể lên tới cả vài trăm MB Hiện có Nuance và một vài app nhỏ là xài phương pháp tích hợp Apple, Google cũng có bổ sung tùy chọn offline cho một số ngôn ngữ nhất định dùng trong việc chuyển văn bản thành chữ viết

Chuyển giọng nói thành văn bản

Các thư viện giọng nói phổ biến

Nuance có lẽ là cái tên được nhắc đến nhiều nhất trong việc cung cấp thư viện giọng nói cho app di động Chính nhờ vào những thư viện như thế này mà lập trình viên không cần phải tự mình thiết kế hệ thống nhận

dạng, phiên dịch cho app mà chỉ cần xài lại cái có sẵn, tiết kiệm được nhiều thời gian, công sức và tiện bạc Nuance có hỗ trợ cho tiếng Việt trong ứng dụng Dragon Dictation do chính hãng này phát triển

OpenEars cũng là một thư viện khác nhưng nó thuộc dạng nguồn mở và hoạt động offline, hạn chế là chỉ hỗ trợ tiếng Anh và Tây Ban Nha Vài cái tên khác có thể kể đến như Ivona, iSpeech, Vocalkit and Acapela

Chuyển giọng nói thành văn bản

Các thư viện giọng nói phổ biến

Một cách khác mà nhiều phần mềm hiện cũng đang dùng đó là tận dụng

bộ nguồn nhận dạng có sẵn trên các hệ điều hành di động Người dùng

có thể kích hoạt tính năng này ở những chỗ cần nhập văn bản Từ iOS 7

về trước thì tính năng này không hỗ trợ tiếng Việt, phải lên iOS 8 mới có

Google thì bắt đầu hỗ trợ nhập liệu tiếng Việt cho Android khoảng một năm về trước Ngoài ra, Apple, Google cũng có cung cấp các hàm API

giúp app của lập trình viên biết nói chỉ với vài dòng mã nguồn

Chuyển giọng nói thành văn bản

Kết

Tiềm năng của công nghệ nhận dạng giọng nói là rất lớn Hiện nay chúng

ta chỉ mới khai thác được những bề nổi của nó chứ chưa thật sự đi sâu Hãy nghĩ đến một tương lai nơi bạn có thể hoàn toàn để điện thoại trong túi quần và thực hiện tất cả chỉ bằng cách nói vào tai nghe Bluetooth

Nhìn rộng hơn, bạn vừa về tới nhà và nói vào chiếc điện thoại của mình:

mở máy lạnh nha, kao về nhà rồi, mở sẵn luôn cả nhạc nữa nhé, thế là khi mở cửa bước vào thì mọi thứ đã được thực hiện Tính năng nhận

dạng giọng nói không chỉ dừng lại ở việc nhập liệu mà nó còn mở ra cả một chân trời để chúng ta khai thác và đơn giản hóa cuộc sống của mình Công nghệ được sinh ra là để làm cho cuộc sống dễ dàng hơn kia mà, và việc nhận dạng giọng nói chắc chắn sẽ không phải là ngoại lệ