Nhật ký công việc cho nhiệm vụ "Phát triển hệ thống học tiếng Việt dành cho người lớn"

Nghiên cứu ban đầu về lồng tiếng tiếng Việt

Đã kiểm tra phương án sử dụng speechSynthesis của trình duyệt để lồng tiếng cho khóa học. Dựa trên kết quả nghiên cứu, không thể sử dụng phương án này làm cơ chế chính.

Những gì đã phát hiện

• Không thể cài đặt giọng tiếng Việt một cách đáng tin cậy vào trình duyệt.
• Đường dẫn có sẵn thông qua Chế độ Đọc (Reading Mode) cực kỳ bất tiện đối với người dùng thông thường: mở chế độ đọc → vào cài đặt → mở phần ngôn ngữ → thêm tiếng Việt.
• Sau khi bật tiếng Việt, thông báo Downloading voices ... xuất hiện, nhưng quá trình tải xuống có thể bị treo vô thời hạn và thực tế không bao giờ hoàn tất.
• Tài liệu chính thức không đưa ra đảm bảo rõ ràng về tính sẵn có và hỗ trợ của một giọng tiếng Việt cụ thể.
• Trong Chromium, ngôn ngữ có thể được khai báo trong mã nguồn, nhưng bản thân Chromium không cung cấp từ điển giọng nói cuối cùng. Đây là trách nhiệm của nhà cung cấp trình duyệt/đám mây cụ thể, trong trường hợp của chúng tôi là Google, và không có sự đảm bảo minh bạch nào về sự tồn tại của từ điển đó.
• Ngay cả khi việc cài đặt hoạt động đối với nhà phát triển, chúng ta không thể xây dựng khóa học dựa trên yêu cầu người dùng phải tự cài đặt thêm giọng nói/từ điển.
• Phát âm tiếng Việt: Nhà phát triển không phải là người bản xứ tiếng Việt và không thể tự đảm bảo rằng tổng hợp âm thanh truyền tải chính xác chất lượng âm thanh và thanh điệu. Do đó, chất lượng cuối cùng phải được kiểm tra với người bản xứ.

Rủi ro bổ sung

Nhà phát triển không phải là người bản ngữ tiếng Việt và không thể tự đảm bảo rằng hệ thống tổng hợp phát âm truyền tải chính xác chất lượng âm thanh và thanh điệu. Do đó, chất lượng cuối cùng cần phải được kiểm tra với người bản ngữ.

Quyết định được đưa ra

Chuyển sang sử dụng đường ống lồng tiếng (pipeline) do chính chúng ta kiểm soát thông qua OpenRouter + Google Gemini.

Không tạo lồng tiếng mỗi lần phát lại. Cần tạo một từ điển âm thanh cố định: tạo một lần một chữ cái/âm tiết/từ/cụm từ, lưu trữ siêu dữ liệu trong cơ sở dữ liệu và tệp âm thanh trong kho lưu trữ tệp, sau đó tái sử dụng bản ghi âm đã sẵn sàng nhiều lần.

Cũng cần chuẩn bị cho các tính năng sau:

• tạo lại một đoạn lồng tiếng cụ thể;
• lưu trữ phiên bản mô hình và các tham số tạo;
• trạng thái kiểm tra chất lượng;
• kiểm tra tiếp theo bởi người bản ngữ;
• các biến thể miền Bắc/miền Nam riêng biệt nếu cần thiết;
• khả năng thay thế thủ công bản ghi tổng hợp bằng bản ghi chuẩn của người bản ngữ.

Nhiệm vụ liên quan

Đã tạo một nhiệm vụ con để thiết kế và thực hiện đường ống TTS tùy chỉnh và từ điển lồng tiếng: «Phát triển đường ống lồng tiếng tiếng Việt và từ điển âm thanh của riêng mình», taskId cmu8uqhzc0we6qw0qlviqsm7q.

Bộ mục tiêu đầu tiên để tạo là sách vỡ lòng (primer): các âm cơ bản, sự kết hợp, thanh điệu, nguyên âm đôi/nguyên âm ba và các ví dụ về từ. Sau khi kiểm tra chất lượng bằng cơ chế tương tự, sẽ mở rộng lồng tiếng sang từ điển chính của khóa học.