Máy có nghe hiểu giọng Nghệ, giọng Huế, giọng Quảng không? Câu trả lời thật là: hiểu được một phần, và kém hơn rõ rệt so với giọng gần với tiếng phát thanh. Người trẻ nói chậm, rõ thì máy bắt khá ổn; người lớn tuổi nói nhanh, dùng nhiều từ địa phương thì máy hay ghi sai hoặc hỏi lại.
Nghe như chuyện vặt, nhưng khi tổng đài, dịch vụ công, ngân hàng chuyển dần sang cho máy nghe và trả lời, ai bị máy nghe sai sẽ bị phục vụ kém hơn. Một chị bán rau ở chợ Hà Tĩnh dùng nói thay gõ để nhắn đơn hàng, máy ghi "nác" thành chữ khác, khách đọc không hiểu. Chuyện nhỏ cộng lại thành khoảng cách lớn.
Vì sao máy nghe giọng chuẩn tốt hơn giọng vùng?
Máy học nghe bằng cách được cho nghe rất nhiều giờ ghi âm kèm chữ viết đúng. Nguồn ghi âm dễ kiếm nhất là bản tin, phim lồng tiếng, sách nói, video của người thành phố. Những nguồn đó nghiêng hẳn về một vài giọng. Giọng nào ít xuất hiện trong dữ liệu, máy ít có cơ hội học.
Tiếng Việt lại khó ở chỗ thanh điệu mang nghĩa. Ở nhiều vùng Bắc Trung Bộ, cách đọc thanh hỏi, thanh ngã, thanh nặng khác hẳn giọng Hà Nội; giọng Huế có thanh dễ bị nghe nhầm; giọng Quảng đổi nhiều nguyên âm. Với người, nghe vài câu là quen. Với máy, mỗi khác biệt đó là một chỗ dễ trượt.
Còn chuyện từ vựng. "Mô, tê, răng, rứa" thì máy hay biết. Nhưng những từ hẹp hơn, tên món ăn, tên công cụ nhà nông, tên xóm, máy ít gặp nên dễ đoán thành từ gần âm. Người già dùng nhiều từ địa phương hơn người trẻ, nên người già bị nghe sai nhiều hơn.
Cuối cùng là điều kiện ghi âm. Người ở thành phố thường nói vào điện thoại trong phòng yên tĩnh. Người ở chợ, ở ruộng, ở xưởng thì có tiếng xe, tiếng gió, tiếng gà. Tiếng ồn cộng giọng vùng là gánh nặng gấp đôi cho máy.
Ai đang bị máy nghe sai nhiều nhất?
Người cao tuổi ở nông thôn. Nói nhanh, nhiều từ địa phương, ít quen nói chậm cho máy. Đây lại là nhóm được khuyên dùng nói thay gõ vì mắt kém, tay chậm.
Người dân tộc thiểu số nói tiếng Việt như ngôn ngữ thứ hai. Cách phát âm chịu ảnh hưởng tiếng mẹ đẻ, máy càng hay lệch.
Tiểu thương ở chợ. Môi trường ồn, nói vội, hay chen tiếng gọi khách, dùng nói thay gõ để chốt đơn nhanh.
Người gọi tổng đài tự động. Tổng đài bảo "hãy nói rõ yêu cầu", nói ba lần máy vẫn hiểu sai, người gọi bỏ cuộc hoặc phải chờ người thật rất lâu.
Trẻ nhỏ. Giọng trẻ cao, phát âm chưa tròn, ít có trong dữ liệu người lớn.
Người có tật về giọng nói. Nói ngọng, nói lắp, khàn giọng sau bệnh đều làm máy khó nghe hơn.
Người dùng từ chuyên ngành địa phương. Ngư dân gọi tên cá, tên lưới theo cách riêng của làng biển, máy không biết.
Người miền Trung đi làm ở miền Nam. Giọng pha trộn hai vùng, máy chẳng khớp với vùng nào.
Người khiếm thị. Phụ thuộc nhiều vào giọng nói để dùng điện thoại, sai một từ là đi lạc cả thao tác.
Người khai thông tin qua máy ở dịch vụ công. Tên riêng, địa danh bị ghi sai thì hồ sơ có thể phải làm lại.
Nông dân hỏi đáp kỹ thuật canh tác bằng giọng nói. Tên giống cây, tên sâu bệnh theo cách gọi địa phương rất dễ bị nhận nhầm.
Người hay nói xen tiếng Anh kiểu bồi. Một số từ mượn đọc theo kiểu Việt, máy không biết nên ghi thành chữ nào.
Chuyện công bằng: vì sao không thể coi là lỗi nhỏ
Khi máy chỉ là đồ chơi thì nghe sai vài từ chẳng sao. Khi máy đứng ở cửa vào của dịch vụ, nghe sai là bị chặn ngoài cửa. Thử nghĩ một tổng đài bệnh viện chỉ cho đặt lịch bằng giọng nói: người ở thành phố đặt được trong một phút, bác nông dân ở vùng quê phải nhờ con cháu, hoặc thôi không đặt.
Không ai cố tình làm việc đó. Nó là hệ quả của việc dữ liệu nghiêng về một phía và người làm sản phẩm thử nghiệm chủ yếu với người giống mình. Chính vì không ai cố ý nên nó dễ bị bỏ qua, và người bị thiệt lại là người ít có tiếng nói nhất để phàn nàn.
Ở góc chính sách, câu hỏi đặt ra không phải là cấm dùng máy nghe, mà là: dịch vụ thiết yếu có bắt buộc phải giữ một đường cho người thật không? Bên cung cấp có phải kiểm tra máy với nhiều giọng vùng miền trước khi đưa vào dùng rộng không? Có nên công bố máy nghe tốt tới đâu với từng nhóm người dùng không?
Những câu hỏi đó chưa có đáp án thống nhất, và mỗi lựa chọn đều có chi phí. Nhưng ít ra nên được hỏi ngay từ lúc thiết kế, thay vì đợi người dùng ở vùng xa than phiền.
Người dân và cộng đồng có thể làm gì?
Nói chậm hơn một chút, tách từ rõ. Không cần đổi giọng, chỉ cần chậm và rõ. Máy hiểu giọng vùng nói chậm tốt hơn hẳn giọng vùng nói nhanh.
Đọc lại trước khi gửi. Với tin nhắn quan trọng như số tiền, địa chỉ, tên người, đọc lại chữ máy ghi rồi mới gửi.
Tìm chỗ yên tĩnh khi nói với máy. Bước ra khỏi chỗ ồn vài bước giúp nhiều hơn mình tưởng.
Tránh tên riêng bằng giọng nói. Tên người, tên thôn xóm nên gõ tay hoặc chọn từ danh bạ.
Báo lỗi khi máy nghe sai. Nhiều dịch vụ có nút báo sai. Mỗi lần báo là một mẫu dữ liệu giúp máy học giọng vùng mình.
Đòi quyền gặp người thật. Ở tổng đài, nếu máy không hiểu hai lần thì có quyền đề nghị chuyển sang nhân viên.
Con cháu chỉ ông bà vài mẹo. Nói chậm, nói ngắn từng câu, đợi máy ghi xong mới nói tiếp.
Góp giọng cho dự án thu âm cộng đồng có minh bạch. Nếu có chương trình thu giọng vùng miền rõ ràng mục đích, rõ ai giữ dữ liệu, góp giọng là giúp cả vùng.
Cẩn thận với nơi thu giọng không rõ ràng. Giọng nói là dữ liệu cá nhân. Không rõ ai thu, dùng làm gì thì đừng góp, nhất là sau bài học về nhái giọng.
Trường học nói về chuyện này. Học sinh vùng miền nên biết máy nghe kém giọng mình không phải vì giọng mình sai.
Không xấu hổ về giọng quê. Giọng vùng là bản sắc. Máy cần học theo người, không phải người phải bỏ giọng để chiều máy.
Những điều chưa ai chắc
Máy sẽ bắt kịp giọng vùng nhanh tới đâu. Có tiến bộ thật, nhưng tốc độ phụ thuộc ai chịu đầu tư thu dữ liệu vùng ít người.
Một mô hình chung hay nhiều mô hình theo vùng. Mỗi cách có cái lợi, giới làm kỹ thuật còn bàn.
Giọng vùng có bị mai một vì người trẻ nói theo máy. Có người lo trẻ con quen nói kiểu "chuẩn" để máy hiểu, giọng quê nhạt dần. Chưa có bằng chứng rõ.
Ai trả tiền cho dữ liệu giọng vùng. Thu âm có chất lượng tốn công. Doanh nghiệp, nhà trường hay cộng đồng góp, mỗi đường dẫn tới quyền sở hữu khác nhau.
Ai có quyền với giọng đã góp. Người góp giọng có được rút lại không, có được chia lợi ích không, còn để ngỏ.
Có nên chấm điểm máy theo vùng miền không. Một bảng điểm công khai giúp người dùng biết, nhưng cũng dễ bị dùng để quảng cáo.
Tiếng dân tộc thiểu số có được đối xử ngang không. Nhiều ngôn ngữ còn ít dữ liệu hơn tiếng Việt vùng miền rất nhiều.
Máy hiểu được từ địa phương thì có hiểu được nghĩa không. Ghi đúng chữ chưa chắc đã hiểu đúng ý, nhất là với lời nói vòng, nói lái.
Người già có thích nói với máy không. Nhiều người thấy ngượng khi nói với một cái điện thoại. Thói quen là chuyện văn hoá, không chỉ kỹ thuật.
Ai chịu trách nhiệm khi máy nghe sai gây thiệt hại. Ghi sai số tài khoản, sai tên thuốc thì lỗi của ai vẫn là câu hỏi mở.
Ngưỡng nghe đúng bao nhiêu là đủ cho dịch vụ thiết yếu. Chưa có chuẩn chung, mỗi nơi tự đặt.
Câu hỏi thường gặp
Vì sao điện thoại ghi đúng giọng con mà sai giọng mẹ?
Thường do người trẻ nói chậm, rõ hơn và giọng gần dữ liệu máy được học. Người lớn tuổi nói nhanh, nhiều từ địa phương, máy dễ đoán nhầm sang từ gần âm.
Có nên tập nói giọng phổ thông để máy hiểu?
Không cần đổi giọng. Nói chậm và rõ từng tiếng đã giúp nhiều. Đổi giọng để chiều máy là đặt gánh nặng sai chỗ.
Giọng Huế có khó với máy hơn giọng Sài Gòn không?
Nhìn chung giọng có ít dữ liệu hơn thì máy kém hơn, và giọng Huế, giọng Bắc Trung Bộ thường thuộc nhóm đó. Mức độ cụ thể thay đổi theo từng sản phẩm và chưa có số đo công khai đáng tin để so.
Góp giọng nói cho một dự án có an toàn không?
An toàn khi biết rõ ai thu, dùng vào việc gì, giữ bao lâu, có rút lại được không. Thiếu những điều đó thì không nên góp, vì giọng nói có thể bị dùng để nhái.
Tổng đài máy không hiểu thì làm sao gặp người thật?
Thử nói "gặp nhân viên" hoặc bấm phím số không. Nếu không có lối ra, đó là điểm nên góp ý cho đơn vị cung cấp dịch vụ.
Máy dịch có dịch được từ địa phương không?
Một số từ quen như mô, tê, răng thì được, từ hẹp hơn thì thường không. Nên viết lại bằng từ phổ thông khi cần độ chính xác.
