Máy nhận dạng giọng nói thường chấm phát âm dễ hơn thật, vì nó được làm ra để đoán xem người nói định nói gì, chứ không phải để bắt lỗi. Khi người học đọc sai một âm mà cả câu vẫn hợp nghĩa, máy tự sửa hộ và trả về đúng câu mẫu. Người làm app học vì vậy nên nói rõ máy nghe được gì, thay vì hứa chấm phát âm chính xác.
Chào bạn, đây là Nhà Phát Minh. Tập này mình kể một bài học đắt giá từ phần luyện nói của ngonngu.com, nơi đội làm sản phẩm tưởng đã có một máy chấm phát âm, rồi tự mình thử và phát hiện ra nó khen quá dễ.
Ý tưởng: cho người học nói và được nghe lại
Người Việt học ngoại ngữ thường yếu nhất ở phần nói, vì ít có ai để nói cùng và ngại sai trước người khác. Một cái máy kiên nhẫn nghe mình nói bao nhiêu lần cũng được là một ý tưởng rất hấp dẫn.
Phần luyện nói của ngonngu.com được làm theo hướng đó: người học đọc theo câu mẫu, máy nghe và báo lại. Để máy nghe được, đội dùng công nghệ nhận dạng giọng nói, thứ đã có sẵn và khá giỏi, biến lời nói thành chữ. So chữ máy nghe được với câu mẫu là ra chỗ đúng chỗ sai.
Trên giấy, kế hoạch rất gọn. Máy nhận dạng giọng nói hiện nay nghe tốt tới mức gõ văn bản bằng giọng nói đã thành chuyện bình thường. Dùng nó để chấm phát âm có vẻ là bước tự nhiên.
Nhưng trước khi hứa với người học bất cứ điều gì, đội quyết định tự thử xem cái máy đó thật sự làm được gì.
Phép thử làm đội giật mình
Cách thử rất đơn giản mà thông minh. Đội cho máy đọc một câu tiếng Anh chuẩn, rồi đọc thêm vài phiên bản cố tình phát âm sai theo đúng kiểu lỗi người Việt hay mắc. Nặng nhất là bỏ hẳn âm th, đọc thành âm t hoặc âm d, lỗi rất phổ biến vì tiếng Việt không có âm này.
Kết quả làm cả đội sững lại. Với phiên bản bỏ hẳn âm th, cả máy nhận dạng chạy riêng lẫn dịch vụ nhận dạng của một hãng lớn đều trả về câu hoàn hảo, đúng từng chữ như câu mẫu. Nếu chấm theo kiểu so chữ, người học đọc sai như vậy sẽ được điểm tuyệt đối.
Chỉ những phiên bản sai rất nặng, lệch xa tới mức đổi hẳn nghĩa, máy mới nghe ra chữ khác.
Đội hiểu ra bản chất vấn đề: máy nhận dạng giọng nói được huấn luyện để hiểu ý người nói dù họ nói ngọng, nói giọng địa phương, nói trong tiếng ồn. Nó cố tình bỏ qua sai lệch nhỏ. Đó là ưu điểm khi gõ chữ bằng giọng nói, và là nhược điểm chết người khi chấm phát âm.
Nói thật thay vì hứa suông
Đội đứng trước hai lựa chọn. Một là vẫn gọi đó là chấm phát âm, cho điểm cao, người học vui, số liệu đẹp. Hai là nói thật những gì máy làm được.
Họ chọn cách thứ hai. Giao diện không ghi chấm phát âm chính xác. Thay vào đó, máy báo lại câu mà nó nghe được, và chỉ ra những từ mà máy nghe chưa ra. Đó là mô tả đúng việc máy làm: nó cho biết lời bạn nói có đủ rõ để người nghe hiểu hay không, chứ không bảo đảm từng âm đều chuẩn.
Nghe thì như một bước lùi về tiếp thị. Nhưng người học sẽ tin sản phẩm lâu dài hơn khi nó không nói quá. Một người học được khen hoàn hảo rồi sang nước ngoài không ai hiểu mình nói gì sẽ không bao giờ quay lại.
Đội cũng ghi lại hướng làm thật cho tương lai: muốn bắt lỗi phát âm tinh vi, phải so trực tiếp âm thanh người học với âm thanh mẫu, không đi qua bước đổi thành chữ. Đó là một việc lớn, và họ nói rõ nó chưa có.
Chiếc micro treo trên trình duyệt iPhone
Phần luyện nói còn dạy đội một bài học nữa, lần này về kỹ thuật. Ban đầu họ dùng tính năng nghe giọng nói có sẵn trong trình duyệt, miễn phí và nhanh. Trên nhiều máy nó chạy tốt.
Rồi có người học báo lỗi: bấm nói xong thì màn hình cứ hiện đang nghe mãi, không có kết quả, không báo lỗi, không có đường thoát. Đội thử lại trên iPhone và thấy đúng như vậy, nhưng chỉ ở lần đầu tiên, khi trình duyệt vừa xin quyền dùng micro. Từ lần sau thì chạy bình thường.
Nghĩa là lỗi này rơi đúng vào mọi người dùng mới, những người quan trọng nhất, vì họ đang quyết định có ở lại hay không. Mà người học Việt Nam lại dùng iPhone rất nhiều.
Đội chuyển phần nghe sang máy chủ, có một máy nhận dạng chạy riêng và một dịch vụ bên ngoài làm dự phòng khi máy riêng bận. Họ cũng thêm giới hạn thời gian cho mọi lần nghe: quá lâu không có kết quả thì báo rõ và cho người học thử lại. Không bao giờ để ai kẹt mãi ở một màn hình.
Bài học rộng hơn cho người làm sản phẩm
Câu chuyện chiếc máy chấm dễ tính có một bài học vượt ra ngoài chuyện học ngoại ngữ. Trước khi xây một tính năng trên một công nghệ có sẵn, hãy đo xem công nghệ đó có làm đúng việc mình cần không, chứ không phải một việc gần giống.
Nhận dạng giọng nói giỏi nghe hiểu, không giỏi bắt lỗi. Nhận dạng ảnh giỏi gọi tên vật, chưa chắc giỏi đo kích thước. Mỗi công nghệ được làm ra cho một mục đích, và mang theo thói quen của mục đích đó.
Phép thử của đội ngonngu.com chỉ tốn vài giờ: vài câu đọc sai có chủ ý. Nó cứu họ khỏi một lời hứa sai với rất nhiều người học.
Lần tới bạn thấy một ứng dụng hứa chấm điểm điều gì đó, hãy thử cố tình làm sai một chút xem nó có nhận ra không. Máy khen mình chưa chắc đã là máy hiểu mình.
Câu hỏi thường gặp
App học ngoại ngữ có chấm phát âm chính xác không?
Phần lớn app dựa trên nhận dạng giọng nói, vốn giỏi hiểu ý người nói hơn là bắt lỗi âm. Chúng cho biết lời nói có đủ rõ không, nhưng thường bỏ qua lỗi phát âm tinh vi.
Vì sao đọc sai âm th mà máy vẫn chấm đúng?
Máy nhận dạng giọng nói dùng ngữ cảnh để đoán từ người nói định nói. Khi cả câu vẫn hợp nghĩa, nó tự sửa âm sai và trả về câu đúng.
Luyện phát âm với máy có tác dụng không?
Có tác dụng tập nói to, nói trôi và kiểm tra lời nói đủ rõ để hiểu. Để sửa âm tinh vi, nên nghe kỹ mẫu, tự ghi âm so sánh hoặc nhờ người dạy có kinh nghiệm.
Lỗi phát âm nào người Việt hay mắc khi học tiếng Anh?
Hay gặp là âm th, âm cuối bị nuốt, phụ âm đôi ở đầu từ và trọng âm. Nguyên nhân chính là những âm và cách ghép âm này không có trong tiếng Việt.
Vì sao phần luyện nói trên iPhone đôi khi bị treo?
Một số trình duyệt xử lý quyền micro lần đầu chưa ổn định, khiến phần nghe không trả kết quả. Ứng dụng tốt sẽ đặt giới hạn thời gian và cho người dùng thử lại thay vì để kẹt.
