Cấu trúc âm trong tiếng Việt: Nghiên cứu và ứng dụng

Xử lý tiếng nói là một lĩnh vực phức tạp, đòi hỏi kiến thức chuyên sâu về ngữ âm học, ngôn ngữ học và xử lý tín hiệu. 124 trang · 2023.

• Tác giả: Lê Văn Sơn
• Người hướng dẫn: TS. Trịnh Văn Loan
• Trường học: Trường Đại Học
• Chuyên ngành: Ngôn Ngữ Học
• Đề tài: Cấu Trúc Âm Trong Tiếng Việt: Nghiên Cứu Và Ứng Dụng
• Loại tài liệu: Đồ Án
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• I. CHƯƠNG I: GIỚI THIỆU ĐỀ TÀI
• 1.1. Sự cần thiết trong việc cấu trúc hoá tiếng Việt
• 1.2. Thực tế về tổng hợp tiếng nói trên thế giới và ở Việt Nam
• 1.3. Nhiệm vụ và mục tiêu của đề tài
• 1.4. Tóm tắt những công việc đã thực hiện
• II. CHƯƠNG II: CƠ SỞ LÝ THUYẾT NGỮ ÂM TIẾNG VIỆT
• 2.1. Ngữ âm học và âm vị học
• 2.1.1. Cơ sở âm học
• 2.1.2. Cơ sở sinh lí học
• 2.2. Các loại âm tố
• 2.2.1. Phân loại âm tố về mặt cấu âm
• 2.2.1.1. Âm tố nguyên âm
• 2.2.1.2. Âm tố phụ âm
• III. CHƯƠNG III: LÝ THUYẾT CƠ BẢN VỀ ĐỒNG CẤU ÂM
• 3.1. Giới thiệu chung
• 3.2. Đồng cấu âm là gì
• 3.3. Cơ sở của đồng cấu âm
• 3.4. Các âm vị trong tiếng nói
• 3.5. Sự chuyển trạng thái
• 3.6. Cách phát âm tương phản
• 3.7. Quán tính của các bộ phận phát âm
• 3.8. Nền tảng của đồng cấu âm
• 3.9. Đồng cấu âm và âm tiết
• IV. CHƯƠNG IV: PHƯƠNG PHÁP NGHIÊN CỨU VÀ XÂY DỰNG PHẦN MỀM
• 4.1. Hướng nghiên cứu
• 4.2. Các khó khăn gặp phải
• 4.2.1. Nghiên cứu với tập CSDL rộng lớn
• 4.2.2. Đảm bảo mục tiêu nghiên cứu
• 4.3. Mô hình nghiên cứu
• 4.3.1. Mô hình tổng quát
• 4.3.2. Mô hình nghiên cứu chi tiết
• 4.3.3. Mô hình toán học của vấn đề và lựa chọn giải pháp
• 4.3.3.1. Mô hình toán học của vấn đề
• 4.3.3.2. Giải pháp và cơ sở khoa học
• 4.4. Thuật toán cho phần mềm
• 4.4.1. Sơ đồ khối của thuật toán
• 4.4.2. Giải thuật tính các tham số
• 4.4.3. Minh hoạ bằng ví dụ cụ thể cho giải pháp của bài toán
• 4.4.3.1. Phát biểu bài toán bằng ngôn ngữ tự nhiên
• 4.4.3.2. Chuyển bài toán sang ngôn ngữ toán học
• 4.5. Phân tích và thiết kế
• 4.5.1. Biểu đồ phân cấp chức năng
• 4.5.2. Biểu đồ luồng dữ liệu mức khung cảnh
• 4.5.3. Biểu đồ luồng dữ liệu mức đỉnh
• 4.6. Hướng dẫn sử dụng phần mềm
• 4.6.1. Cài đặt phần mềm
• 4.6.2. Hướng dẫn sử dụng phần mềm
• V. CHƯƠNG V: PHÂN TÍCH SỰ BIẾN ĐỔI CAO ĐỘ CỦA ÂM TẾT TRONG NGỮ ĐOẠN
• 5.1. Sự biến đổi hình dáng đường cong F0 của âm tiết
• 5.2. Giới thiệu chung
• 5.3. Tóm tắt kết quả phân tích
• 5.4. Phân tích cụ thể
• 5.5. Phân tích sự thay đổi giá trị trung bình cao độ của âm tiết (mean pitch) trong ngữ đoạn
• VI. CHƯƠNG VI: PHÂN TÍCH VÀ TỔNG HỢP ĐẶC TÍNH TRƯỜNG ĐỘ CỦA TIẾNG VIỆT
• 6.1. Các kết quả nghiên cứu bằng phần mềm Wave Sufer
• 6.2. Tóm tắt kết quả
• 6.3. Dữ liệu và công cụ sử dụng trong nghiên cứu
• 6.4. Trường độ của các phần tín hiệu
• 6.5. Độ dài các âm vị trong âm tiết
• 6.5.1. Thay đổi độ dài âm tiết
• 6.5.2. Độ dài âm tiết trong ngữ đoạn
• 6.5.3. Thay đổi độ dài âm tiết do vị trí
• 6.5.4. Thay đổi độ dài âm tiết do tốc độ đọc
• 6.6. Trường độ các phần nghỉ
• 6.6.1. Nghỉ ứng với các dấu ngắt đoạn
• 6.6.2. Nghỉ do chủ ý của người đọc
• 6.6.3. Nghỉ ứng với các dấu cách
• 6.7. Ảnh hưởng của vị trí ngữ đoạn đến độ dài âm tiết
• VII. CHƯƠNG VII: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN TIẾP THEO
• 7.1. Hướng phát triển tiếp theo
• PHỤ LỤC A: SỰ THAY ĐỔI HÌNH DÁNG ĐƯỜNG CONG F0 CỦA ÂM TẾT TRONG NGỮ ĐOẠN
• PHỤ LỤC B: SỰ BIẾN ĐỔI CAO ĐỘ TRUNG BÌNH CỦA ÂM TẾT TRONG NGỮ ĐOẠN
• PHỤ LỤC C: SỰ BIẾN ĐỔI TRƯỜNG ĐỘ ÂM TẾT TRONG NGỮ ĐOẠN
• PHỤ LỤC D: TỪ KHOÁ VÀ VIẾT TẮT
• PHỤ LỤC E: TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Cấu Trúc Âm Tiết Tiếng Việt Nghiên Cứu Cơ Bản

Xử lý tiếng nói là một lĩnh vực phức tạp, đòi hỏi kiến thức chuyên sâu về ngữ âm học, ngôn ngữ học và xử lý tín hiệu. Tổng hợp tiếng nói và nhận dạng tiếng nói là hai nội dung cơ bản. Thế giới đã có nhiều thành công trong lĩnh vực này, nhưng ở Việt Nam, việc xây dựng mô hình tiếng nói hoàn chỉnh còn nhiều khó khăn. Nguyên nhân là do cấu trúc âm tiết tiếng Việt phức tạp và chưa được nghiên cứu phổ biến. Cần tích hợp các yếu tố cấu trúc tiếng Việt để tạo ra bộ tổng hợp và nhận dạng tiếng nói chất lượng cao. Nghiên cứu về âm vị học tiếng Việt rất quan trọng.

1.1. Giới thiệu Ngữ Âm Học Tiếng Việt và vai trò của nó

Ngữ âm học là nền tảng để hiểu và mô phỏng âm thanh của tiếng Việt. Nó cung cấp kiến thức về cách âm thanh được tạo ra, truyền đi và cảm nhận. Nghiên cứu ngữ âm học giúp chúng ta phân tích các đặc tính âm học của âm tố và âm vị trong tiếng Việt. Từ đó, có thể xây dựng các mô hình phát âm chính xác hơn, góp phần cải thiện chất lượng tổng hợp và nhận dạng tiếng nói. Việc nắm vững âm vị học tiếng Việt là yếu tố then chốt.

1.2. Âm Vị Học Lịch Sử Tiếng Việt Nghiên cứu sự biến đổi âm thanh

Âm vị học lịch sử giúp ta hiểu sự thay đổi của âm thanh tiếng Việt theo thời gian. Nghiên cứu này cho thấy các quy luật biến đổi âm vị và ảnh hưởng của chúng đến cấu trúc từ vựng. Hiểu được lịch sử phát triển của âm tố, ta có thể giải thích những hiện tượng ngữ âm phức tạp và xây dựng các mô hình phát âm phù hợp với nhiều phương ngữ khác nhau. Các nghiên cứu âm vị học tiếng Việt cần được đẩy mạnh.

II. Thách Thức Trong Nghiên Cứu Cấu Trúc Âm Tiết Tiếng Việt

Việc xây dựng bộ tổng hợp tiếng Việt có chất lượng cao là một thách thức lớn do tính phức tạp của ngôn ngữ này. Các đặc thù riêng của tiếng Việt, như thanh điệu và hệ thống nguyên âm, phụ âm phong phú, gây khó khăn trong việc mô phỏng chính xác âm thanh. Đảm bảo tính tự nhiên của tiếng nói tổng hợp là một bước cản lớn. Cần có kiến thức chuyên sâu về ngữ âm tiếng Việt và ngữ âm học để vượt qua thách thức này. Các lỗi phát âm tiếng Việt cũng cần được nghiên cứu.

2.1. Khó khăn trong việc mô phỏng Thanh Điệu Tiếng Việt

Thanh điệu là một đặc trưng quan trọng của tiếng Việt, ảnh hưởng lớn đến ý nghĩa của từ. Mô phỏng chính xác thanh điệu trong tổng hợp tiếng nói là một thách thức lớn. Cần nghiên cứu kỹ lưỡng các đặc tính âm học của từng thanh điệu và xây dựng các mô hình phù hợp. Sự biến đổi cao độ của âm tiết trong ngữ cảnh khác nhau cũng cần được xem xét. Việc dạy phát âm tiếng Việt cần chú trọng đến thanh điệu.

2.2. Tính Đa Dạng của Nguyên Âm Tiếng Việt và Phụ Âm Đầu

Hệ thống nguyên âm và phụ âm đầu của tiếng Việt rất phong phú, với nhiều âm vị có cách phát âm tương tự nhau. Việc phân biệt và mô phỏng chính xác các âm vị này đòi hỏi sự tỉ mỉ và chính xác. Cần nghiên cứu kỹ lưỡng các đặc tính cấu âm và âm học của từng âm vị để xây dựng các mô hình phát âm phù hợp. Việc chuẩn hóa phát âm cũng góp phần giảm bớt sự phức tạp trong quá trình tổng hợp tiếng nói. Nghiên cứu về phụ âm đầu tiếng Việt cần được chú trọng.

III. Phương Pháp Phân Tích Âm Vị Học Tiếng Việt Hướng Dẫn Chi Tiết

Để nghiên cứu cấu trúc âm trong tiếng Việt, cần áp dụng các phương pháp phân tích âm vị học phù hợp. Phân tích đối chiếu, phân tích phân bố và phân tích tối thiểu là những phương pháp quan trọng. Phân tích đối chiếu giúp so sánh các âm vị và tìm ra sự khác biệt giữa chúng. Phân tích phân bố xem xét vị trí xuất hiện của âm vị trong các âm tiết. Phân tích tối thiểu tìm ra các cặp từ tối thiểu để xác định các âm vị khác biệt. Phân tích âm vị học là công cụ không thể thiếu.

3.1. Sử dụng Phần Mềm Phân Tích Âm Thanh để nghiên cứu

Các phần mềm phân tích âm thanh như Praat là công cụ hữu ích trong nghiên cứu ngữ âm học. Chúng cho phép phân tích các đặc tính âm học của âm thanh, như tần số, biên độ và trường độ. Sử dụng phần mềm phân tích âm thanh giúp ta quan sát và đo lường các đặc tính của âm thanh một cách khách quan và chính xác. Phân tích sóng âm tiếng Việt là một ứng dụng quan trọng.

3.2. Âm Học Thực Nghiệm Tiếng Việt Ghi âm và phân tích dữ liệu

Âm học thực nghiệm đóng vai trò quan trọng trong nghiên cứu cấu trúc âm trong tiếng Việt. Việc ghi âm và phân tích dữ liệu thực tế giúp ta hiểu rõ hơn về cách người Việt phát âm và nhận biết âm thanh. Cần thu thập dữ liệu từ nhiều người nói khác nhau để đảm bảo tính đại diện. Các kết quả nghiên cứu âm học thực nghiệm là cơ sở để xây dựng các mô hình phát âm chính xác hơn.

IV. Ứng Dụng Ngữ Âm Học Tối Ưu Tổng Hợp Tiếng Nói Tiếng Việt

Nghiên cứu cấu trúc âm trong tiếng Việt có nhiều ứng dụng thực tiễn. Một trong những ứng dụng quan trọng nhất là tối ưu hóa tổng hợp tiếng nói. Bằng cách nắm vững các quy luật phát âm và biến đổi âm thanh, ta có thể xây dựng các bộ tổng hợp tiếng nói có chất lượng cao, gần gũi với tiếng nói tự nhiên. Ứng dụng ngữ âm học giúp cải thiện trải nghiệm người dùng trong nhiều lĩnh vực.

4.1. Tối Ưu Hóa Nhận Dạng Giọng Nói Tiếng Việt Hướng Dẫn Chi Tiết

Nghiên cứu cấu trúc âm cũng góp phần tối ưu hóa nhận dạng giọng nói. Bằng cách xây dựng các mô hình âm thanh chính xác, ta có thể cải thiện độ chính xác của các hệ thống nhận dạng giọng nói. Điều này có ý nghĩa quan trọng trong nhiều ứng dụng, như điều khiển bằng giọng nói, tìm kiếm bằng giọng nói và trợ lý ảo. Việc tối ưu hóa nhận dạng giọng nói tiếng Việt mang lại nhiều lợi ích.

4.2. Cải Thiện Khả Năng Đọc Hiểu Tiếng Việt Ứng Dụng Thực Tế

Nắm vững cấu trúc âm giúp cải thiện khả năng đọc hiểu tiếng Việt. Hiểu rõ mối quan hệ giữa âm thanh và chữ viết giúp người học dễ dàng hơn trong việc đọc và phát âm chính xác. Điều này đặc biệt quan trọng đối với trẻ em và người nước ngoài học tiếng Việt. Việc cải thiện khả năng đọc hiểu tiếng Việt là một mục tiêu quan trọng trong giáo dục.

V. Kết Luận và Hướng Phát Triển Nghiên Cứu Âm Vị Học

Nghiên cứu cấu trúc âm trong tiếng Việt là một lĩnh vực quan trọng và đầy tiềm năng. Việc nắm vững các quy luật phát âm và biến đổi âm thanh có nhiều ứng dụng thực tiễn, từ tối ưu hóa tổng hợp tiếng nói đến cải thiện khả năng đọc hiểu. Cần tiếp tục đẩy mạnh các nghiên cứu về âm vị học để khám phá sâu hơn về cấu trúc âm trong tiếng Việt. Việc nghiên cứu âm vị học tiếng Việt cần được đầu tư.

5.1. Hướng Nghiên Cứu Biến Thể Âm Vị Tiếng Việt Đề xuất

Nghiên cứu biến thể âm vị là một hướng đi tiềm năng trong tương lai. Tìm hiểu sự khác biệt về phát âm giữa các phương ngữ và các nhóm người khác nhau giúp ta xây dựng các mô hình phát âm linh hoạt hơn. Điều này đặc biệt quan trọng trong bối cảnh đa dạng văn hóa và ngôn ngữ. Việc nghiên cứu biến thể âm vị cần được quan tâm.

5.2. Phát triển Mô Hình Âm Tiết Tiếng Việt Hoàn thiện hơn

Xây dựng mô hình âm tiết tiếng Việt hoàn thiện là một mục tiêu quan trọng. Mô hình này cần phản ánh chính xác cấu trúc và các quy luật kết hợp âm vị trong tiếng Việt. Sử dụng mô hình âm tiết để xây dựng các hệ thống tổng hợp và nhận dạng tiếng nói có chất lượng cao. Việc phát triển mô hình âm tiết cần sự hợp tác của nhiều nhà khoa học.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Xử lý tiếng nói là một nhánh chuyên sâu thuộc khoa học máy tính và xử lý tín hiệu số, bao gồm hai bài toán trung tâm: tổng hợp tiếng nói (Text-To-Speech - TTS) và nhận dạng tiếng nói (Automatic Speech Recognition - ASR). Trên thế giới, các nghiên cứu mô phỏng tiếng nói nhân tạo đã xuất hiện từ rất sớm (tiêu biểu như công trình của Wolfgang von Kemplen năm 1791 hay mô hình năm 1939) và đến nay đã đạt chất lượng tự nhiên cao trên nhiều ngôn ngữ như tiếng Anh, Pháp, Đức, Nhật, Hàn. Tại Việt Nam, nhu cầu ứng dụng bộ tổng hợp tiếng nói ngày càng lớn, song các hệ thống áp dụng những giải thuật truyền thống như TD-PSOLA vẫn chưa đạt được độ tự nhiên mong muốn. Rào cản lớn nhất nằm ở tính phức tạp của ngữ âm tiếng Việt và việc phần lớn các công trình trước đây chỉ khảo sát các âm vị, phụ âm, nguyên âm hoặc âm tiết độc lập, chưa giải quyết triệt để hiện tượng tương tác giữa các âm tiết trong chuỗi lời nói liên tục.

Xuất phát từ thực tiễn trên, đề tài tập trung nghiên cứu cấu trúc tiếng Việt dựa trên hiện tượng đồng cấu âm (coarticulation) nhằm phục vụ trực tiếp cho việc nâng cao chất lượng tự nhiên của bộ tổng hợp tiếng nói theo hướng tiếp cận ngữ âm học.

Các mục tiêu và nhiệm vụ nghiên cứu cụ thể được xác định bao gồm:

1. Nghiên cứu cơ sở lý thuyết về ngữ âm tiếng Việt và lý thuyết cơ bản về đồng cấu âm.
2. Xây dựng mô hình toán học và phát triển phần mềm công cụ hỗ trợ tính toán, tự động phát hiện các quy luật đồng cấu âm từ tập cơ sở dữ liệu tiếng nói lớn.
3. Phân tích các đặc trưng biến đổi cao độ ($F_0$) của âm tiết trong ngữ đoạn, bao gồm hình dáng đường cong $F_0$ và giá trị cao độ trung bình (mean pitch) dưới tác động của ngữ cảnh liền kề.
4. Phân tích và tổng hợp các đặc tính trường độ của âm tiết, các thành phần âm vị trong âm tiết và các khoảng lặng/phần nghỉ trong câu.
5. Thử nghiệm cài đặt các quy luật ngữ âm phát hiện được vào bộ tổng hợp tiếng nói để đánh giá sự cải thiện về độ tự nhiên.

Về đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Hiện tượng đồng cấu âm trong tiếng Việt, thể hiện qua sự biến đổi tham số cao độ ($F_0$) và trường độ (thời gian) của âm tiết trong chuỗi lời nói.
• Phạm vi ngữ liệu: Ngữ đoạn câu trần thuật tiếng Việt.
• Phạm vi đối tượng thu âm: Dữ liệu giọng đọc của 4 người nữ chuẩn phương ngữ Bắc Bộ (được gắn mã từ 1 đến 4), trích xuất từ cơ sở dữ liệu tiếng nói của Trung tâm nghiên cứu MICA (Multimedia Information Communication and Applications).
• Phạm vi phân tích âm học: Tập mẫu gồm 512 ngữ đoạn câu trần thuật được chọn lọc để khảo sát tham số cao độ và trường độ.

---

Cơ sở lý thuyết và phương pháp

Khóa luận kết hợp chặt chẽ giữa cơ sở ngữ âm học truyền thống, lý thuyết âm học thực nghiệm và các mô hình toán học xử lý dữ liệu:

1. Khung lý thuyết và khái niệm ngữ âm tiếng Việt

• Cơ sở âm học và sinh lý học: Tiếng nói được tạo thành từ rung động của dây thanh và hoạt động của các khí quan phát âm (môi, răng, lưỡi, khoang miệng, khoang mũi). Âm thanh ngôn ngữ mang 4 đặc trưng vật lý cơ bản: độ cao, độ mạnh, độ dài và âm sắc.
• Âm vị học và nét khu biệt: Đề tài sử dụng định nghĩa âm vị theo Cù Đình Tú (1972) và Đoàn Thiện Thuật. Âm vị được xác định là tập hợp các nét khu biệt xuất hiện đồng thời mang chức năng phân biệt nghĩa và nhận diện từ.
• Mô hình âm tiết hai bậc: Âm tiết tiếng Việt có cấu trúc chặt chẽ gồm:
  • Bậc thứ nhất: Thanh điệu (đơn vị siêu đoạn tính gồm nét âm vực và âm điệu).
  • Bậc thứ hai: Thanh mẫu (phụ âm đầu và âm đệm tròn môi/mạc hóa) cùng Vận mẫu (âm chính mang đỉnh âm tiết và âm cuối gồm phụ âm tắc/mũi hoặc bán âm).
• Hệ thống thanh điệu Bắc Bộ: Gồm 6 thanh điệu: không dấu (thanh 1), huyền (thanh 2), ngã (thanh 3), hỏi (thanh 4), sắc (thanh 5), nặng (thanh 6). Khóa luận tổng hợp sự phân bố thanh điệu theo hai loại hình âm tiết khép và không khép:

Loại hình âm tiết	Không dấu	Huyền	Ngã	Hỏi	Sắc	Nặng
Khép	-	-	-	-	+	+
Không khép	+	+	+	+	+	+

2. Lý thuyết về đồng cấu âm

Đồng cấu âm là sự bao phủ lẫn nhau của các cử chỉ cấu âm lân cận (overlapping articulatory gestures). Một âm tiết thông thường phát âm trong khoảng 1/5 giây (tốc độ khoảng 5 âm tiết/giây). Quá trình này chịu sự chi phối bởi quán tính của các cơ quan phát âm (thân lưỡi và quai hàm có quán tính lớn, chuyển động chậm hơn đầu lưỡi) và mật độ phân bố dây thần kinh điều khiển cơ. Sự chuyển trạng thái giữa hai mốc âm vị ($T_1 \to T_2$) tạo ra các vùng chuyển tiếp chia sẻ đặc tính âm học của cả hai âm kế cận.

3. Phương pháp nghiên cứu và nguồn dữ liệu

• Phương pháp thực nghiệm âm học: Sử dụng hai công cụ phân tích âm thanh là phần mềm Praat (khảo sát cao độ $F_0$) và phần mềm WaveSurfer (khảo sát trường độ tín hiệu). Điểm bắt đầu và kết thúc của âm tiết được xác định tại các điểm cực tiểu địa phương trên đường cong năng lượng tương ứng.
• Phương pháp mô hình hóa toán học: Biểu diễn bài toán khảo sát dưới dạng hàm số đa biến $Y = F(x, w, i, j, k)$, trong đó:
  • $x$: Đối tượng nghiên cứu (MeanPitch, trường độ, năng lượng).
  • $w$: Từ nghiên cứu (ví dụ: tôi, không, hai, đi, anh).
  • $i$: Hướng nghiên cứu (Position - vị trí từ; PreTon - thanh điệu từ đứng trước; FloTon - thanh điệu từ đứng sau; Init-Part - 21 phụ âm đầu; Final-Part - 6 phụ âm cuối và 2 bán âm).
  • $j$: Các giá trị cụ thể của $i$ (ví dụ: với Position thì $j \in {b, m, e}$ ứng với đầu, giữa, cuối câu; với PreTon thì $j \in {a, n, o, h, s, i, g}$ ứng với không dấu, nặng, không thanh, huyền, sắc, hỏi, ngã).
  • $k$: Chỉ số phần tử thỏa mãn bộ điều kiện $(x, w, i, j)$.
• Thuật toán xử lý và phát hiện quy luật: Áp dụng thuật toán sắp xếp nhanh (QuickSort) và giải thuật quay lui để tính toán các xác suất thống kê theo giá trị cực đại $p_{\max}(m,n)$, cực tiểu $p_{\min}(m,n)$ và trung bình $p_{\text{ave}}(m,n)$ với ngưỡng ước lượng $\mu = 90%$, từ đó tìm ra tập quan hệ thứ tự $(m,n)$ và cô lập các quy luật ngoại lệ $C(i)$.
• Nguồn dữ liệu: Cơ sở dữ liệu ngữ âm của Trung tâm nghiên cứu MICA.

---

Thiết kế và triển khai phần mềm hỗ trợ nghiên cứu

Để giải quyết bài toán xử lý trên tập dữ liệu lớn và loại bỏ thao tác đo đạc thủ công, tác giả đã xây dựng một phần mềm chuyên dụng phục vụ việc quản trị dữ liệu và tự động phát hiện quy luật đồng cấu âm.

1. Kiến trúc hệ thống và luồng dữ liệu

Hệ thống được thiết kế theo cấu trúc mô-đun với các chức năng phân cấp rõ ràng:

• Biểu đồ phân cấp chức năng: Bao gồm 4 khối chức năng chính: Nhập dữ liệu, Tìm kiếm dữ liệu, Phát hiện quy luật, và Kiểm tra chi tiết quy luật.
• Biểu đồ luồng dữ liệu (DFD): Được thiết kế đầy đủ ở mức khung cảnh và mức đỉnh, mô tả tương tác giữa người dùng, hệ quản trị cơ sở dữ liệu và các giải thuật xử lý thống kê.

2. Cấu trúc dữ liệu và tối ưu hóa truy xuất

Để đảm bảo tốc độ tính toán khi tập dữ liệu mở rộng, dữ liệu gốc được lọc và trích xuất thành bảng trung gian DataBase(p, x, w) chỉ lưu trữ 4 trường cốt lõi:

• PID: Mã người thu âm (1, 2, 3, 4).
• WID: Mã bản ghi trong cơ sở dữ liệu ban đầu.
• NameW: Tên từ nghiên cứu.
• MeanPitch: Giá trị độ lớn $F_0$ trung bình đo được.
• Các trường bổ trợ theo dõi: Sentence (câu nghiên cứu) và PreTon (thanh điệu của từ đứng liền trước).

3. Công nghệ và môi trường triển khai

• Ngôn ngữ lập trình: Microsoft Visual Basic 6.0.
• Công nghệ truy xuất dữ liệu: Data Access Objects (DAO), giúp tối ưu hóa thao tác đọc/ghi cơ sở dữ liệu trên môi trường đơn người dùng phục vụ nghiên cứu thử nghiệm.
• Giao diện và hướng dẫn vận hành:
  • Edit: Nhập và chỉnh sửa dữ liệu ngữ âm.
  • Excute -> Search: Tìm kiếm dữ liệu theo các tiêu chí từ và người đọc.
  • Excute -> Show Result: Thực thi thuật toán sắp xếp, tính xác suất thống kê và hiển thị các cặp quy luật phát hiện được.
  • Excute -> Test: Kiểm tra dữ liệu và đánh giá quy luật trên các mẫu ngoại lệ.

---

Nội dung chính theo từng chương

Chương I: Giới thiệu đề tài

Chương mở đầu phân tích tổng quan vai trò của công nghệ thông tin và khoa học xử lý tiếng nói. Tác giả điểm lại các mốc lịch sử tổng hợp tiếng nói trên thế giới từ năm 1791, đánh giá thực trạng ứng dụng Text-to-Speech tại Việt Nam và chỉ rõ nguyên nhân khiến thuật toán TD-PSOLA cho tiếng Việt nghe chưa tự nhiên là do thiếu tích hợp các quy luật ngữ âm trong chuỗi lời nói liên tục. Từ đó, chương xác định mục tiêu, nhiệm vụ nghiên cứu và bố cục 7 chương của đồ án.

Chương II: Cơ sở lý thuyết ngữ âm tiếng Việt

Chương này tập trung trình bày toàn diện lý thuyết ngữ âm học và âm vị học tiếng Việt. Tác giả phân loại chi tiết các âm tố theo cấu âm (nguyên âm theo dòng lưỡi, độ nâng lưỡi, hình dáng môi; phụ âm theo phương thức cản khí, vị trí cấu âm, thanh tính; bán âm) và theo âm học (bổng/trầm, ngắt/không ngắt, loãng/đặc, hữu thanh/vô thanh, căng/lơi, gắt/không gắt, giáng/thăng, mũi/miệng, thanh hầu hóa). Chương cũng phân tích sâu mô hình âm tiết hai bậc, 4 vị trí phân bố âm vị (âm đầu, âm đệm, âm chính, âm cuối) cùng hệ thống 6 thanh điệu trong phương ngữ Bắc Bộ.

Chương III: Lý thuyết cơ bản về đồng cấu âm

Nội dung chương đi sâu vào bản chất sinh lý và âm học của đồng cấu âm. Tác giả phân tích hiện tượng đồng cấu âm định hướng trước - sau qua các ví dụ tiếng Anh (eighth, cool, keep, happy) và giải thích cơ chế chuyển động liên tục giữa các mốc âm vị ($T_1, T_2$). Chương chỉ rõ tác động của quán tính các bộ phận phát âm (lưỡi, môi, quai hàm), mức độ điều khiển của hệ thần kinh, cũng như khả năng chịu đựng đồng cấu âm khác nhau giữa nguyên âm dài/ngắn, nguyên âm mang trọng âm và phụ âm lân cận.

Chương IV: Phương pháp nghiên cứu và xây dựng phần mềm

Chương IV trình bày giải pháp kỹ thuật cốt lõi của đồ án. Tác giả xây dựng mô hình toán học hàm đa biến $Y = F(x, w, i, j, k)$ để giải quyết khó khăn khi xử lý dữ liệu lớn. Giải thuật sàng lọc thống kê qua các bước tính $p_{\max}, p_{\min}, p_{\text{ave}}$ được minh họa chi tiết trên tập dữ liệu 5 từ ($w = {\text{tôi, không, hai, đi, anh}}$) với 4 người đọc, đưa ra kết luận về các bộ quy luật $(m,n) = {oi, gn, sh, gh, gi}$. Toàn bộ thiết kế biểu đồ chức năng, DFD và mã nguồn phần mềm trên Visual Basic 6.0/DAO được mô tả cụ thể.

Chương V: Phân tích sự biến đổi cao độ của âm tiết trong ngữ đoạn

Sử dụng phần mềm Praat phân tích 512 ngữ đoạn câu trần thuật, chương khảo sát sự biến đổi hình dáng đường cong $F_0$ và giá trị cao độ trung bình (mean pitch). Kết quả chỉ ra hình dáng đường cong $F_0$ phụ thuộc chặt chẽ vào thanh điệu của âm tiết đứng liền trước, âm tiết đang xét, cũng như các âm vị biên giới. Tác giả lượng hóa công thức và tỷ lệ phần trăm độ lệch của đường cong $F_0$ đối với âm tiết mang thanh không dấu và thanh huyền khi đi sau các thanh điệu khác nhau.

Chương VI: Phân tích và tổng hợp đặc tính trường độ của tiếng Việt

Sử dụng công cụ WaveSurfer, chương phân tích trường độ các thành phần âm vị trong âm tiết, sự biến thiên độ dài âm tiết do vị trí trong câu (đầu, giữa, cuối ngữ đoạn) và do tốc độ đọc. Đồng thời, chương khảo sát chi tiết trường độ của các loại khoảng lặng: nghỉ theo dấu ngắt đoạn, nghỉ có chủ ý của người đọc và nghỉ ứng với dấu cách. Các kết quả trường độ được đối chiếu, so sánh với số liệu của Viện nghiên cứu Công nghệ.

Chương VII: Kết luận và hướng phát triển tiếp theo

Chương tổng kết các kết quả đạt được về quy luật biến đổi cao độ và trường độ. Tác giả khẳng định việc ứng dụng các thông số trường độ vào thử nghiệm bộ tổng hợp tiếng nói đã giúp âm thanh tạo ra có độ tự nhiên tốt hơn. Đồng thời, chương nêu rõ các hạn chế về quy mô dữ liệu và vạch ra định hướng mở rộng nghiên cứu trong tương lai.

---

Kết quả và đóng góp

Khóa luận đã thu được các kết quả thực nghiệm định lượng và đóng góp khoa học cụ thể sau:

1. Kết quả định lượng về biến đổi cao độ đường cong $F_0$

Đối với âm tiết mang thanh không dấu, độ lệch của đường cong $F_0$ chịu ảnh hưởng rõ rệt bởi thanh điệu của âm tiết đứng liền trước theo các công thức và giá trị thực nghiệm:

Thanh điệu đứng liền trước	Công thức tính độ lệch	Giá trị độ lệch (%)
Không dấu	$(\text{Begin} - \text{End}) / \text{Begin}$	$5 - 15%$
Sắc	$(\text{Begin} - \text{End}) / \text{Begin}$	$5 - 15%$
Ngã	$(\text{Begin} - \text{End}) / \text{Begin}$	$10 - 20%$
Huyền	$(\text{Max} - \text{End}) / \text{Max}$	$5 - 15%$
Nặng	$(\text{Max} - \text{Begin}) / \text{Max}$	$10 - 30%$
Hỏi	$(\text{Max} - \text{Begin}) / \text{Max}$	$10 - 20%$

Đối với âm tiết mang thanh huyền, độ lệch của đường cong $F_0$ theo thanh điệu đứng trước được ghi nhận:

Thanh điệu đứng liền trước	Công thức tính độ lệch	Giá trị độ lệch (%)
Không dấu	$(\text{Begin} - \text{End}) / \text{Begin}$	$20 - 30%$
Huyền	$(\text{Begin} - \text{End}) / \text{Begin}$	$10 - 20%$
Hỏi	$(\text{Begin} - \text{End}) / \text{Begin}$	$0 - 10%$
Nặng	$(\text{Begin} - \text{End}) / \text{Begin}$	$10 - 20%$
Sắc	$(\text{Max} - \text{End}) / \text{Max}$	$20 - 30%$

2. Kết quả xây dựng giải thuật và phần mềm

• Đã thiết lập thành công mô hình toán học $Y = F(x, w, i, j, k)$ và giải thuật sàng lọc thống kê xác suất ($p_{\max}, p_{\min}, p_{\text{ave}}$) với ngưỡng $\mu = 90%$.
• Xây dựng hoàn chỉnh phần mềm trên nền Visual Basic 6.0/DAO, cho phép tự động tính toán, phân mảnh ngoại lệ (như hiện tượng tăng cao độ ở cuối câu cảm thán) và rút trích các bộ quy luật quan hệ thứ tự âm học.

3. Đóng góp khoa học và ứng dụng thực tiễn

• Là một trong những công trình thực nghiệm đầu tiên tại Việt Nam nghiên cứu cấu trúc ngữ âm dựa trên hiện tượng đồng cấu âm trong câu nói liên tục phục vụ bài toán tổng hợp tiếng nói.
• Các quy luật và thông số trường độ thu được trong nghiên cứu đã được thử nghiệm cài đặt trực tiếp vào mô-đun tổng hợp tiếng nói, bước đầu cải thiện rõ rệt tính tự nhiên của giọng nói tổng hợp so với phương pháp ghép nối âm tiết độc lập.

---

Hạn chế và hướng nghiên cứu tiếp

Khóa luận tự xác định một số hạn chế do điều kiện thực hiện:

• Quy mô dữ liệu khảo sát: Dữ liệu nghiên cứu mới giới hạn trên giọng của 4 người đọc nữ chuẩn Bắc Bộ và 512 ngữ đoạn câu trần thuật. Tập dữ liệu này chưa đủ lớn để khẳng định tất cả các kết luận về cao độ là quy luật tuyệt đối có tính khái quát hóa hoàn toàn cho mọi ngữ cảnh.
• Giới hạn tham số âm học: Tác giả tạm thời chưa xét đến phần cao độ của các phụ âm đầu hữu thanh do đặc tính dao động không ổn định của tín hiệu.
• Phạm vi ngữ điệu: Mới tập trung nghiên cứu ngữ đoạn câu trần thuật, chưa bao quát toàn diện các kiểu câu khác như câu nghi vấn, câu cảm thán hay câu cầu khiến.

Các hướng nghiên cứu tiếp theo được đề xuất:

1. Mở rộng tập cơ sở dữ liệu với số lượng mẫu lớn hơn, bổ sung giọng đọc nam và các phương ngữ khác (Trung Bộ, Nam Bộ).
2. Nghiên cứu sâu hơn về sự biến đổi năng lượng và ngữ điệu toàn câu trong các cấu trúc ngữ pháp đa dạng.
3. Hoàn thiện các mô-đun phần mềm để tích hợp tự động toàn bộ quy luật đồng cấu âm (cao độ, trường độ) vào hệ thống tổng hợp tiếng nói tiếng Việt hoàn chỉnh.

---

Giá trị tham khảo

Tài liệu khóa luận mang lại giá trị học thuật và thực tiễn cao cho các nhóm đối tượng:

• Sinh viên, học viên và nghiên cứu sinh ngành Công nghệ thông tin, Kỹ thuật viễn thông, Khoa học dữ liệu: Là tài liệu tham khảo giá trị cho các đề tài về Xử lý tiếng nói (Speech Processing), Xử lý ngôn ngữ tự nhiên (NLP), tổng hợp giọng nói (TTS) và nhận dạng tiếng nói (ASR) tiếng Việt.
• Nhà nghiên cứu Ngôn ngữ học và Ngữ âm học thực nghiệm: Cung cấp phương pháp luận kết hợp giữa ngôn ngữ học cấu trúc và công cụ phân tích âm học hiện đại.
• Các phần nội dung đáng tham khảo nhất:
  • Chương II & III: Khung lý thuyết chuẩn xác, chi tiết về mô hình âm vị học tiếng Việt hai bậc và cơ chế sinh lý của hiện tượng đồng cấu âm.
  • Chương IV: Phương pháp toán học hóa bài toán ngôn ngữ và giải thuật trích xuất quy luật bằng QuickSort kết hợp ngưỡng xác suất.
  • Chương V, VI và hệ thống Phụ lục (A, B, C): Bộ số liệu thực nghiệm chi tiết về độ lệch đường cong $F_0$, cao độ trung bình và trường độ âm tiết trong câu.

---

Câu hỏi thường gặp

1. Mục tiêu cốt lõi của việc nghiên cứu đồng cấu âm trong khóa luận này là gì?

Mục tiêu chính là xác định các quy luật biến đổi tham số âm học (cao độ $F_0$ và trường độ) của âm tiết trong câu nói liên tục dưới ảnh hưởng của các âm lân cận. Các quy luật này được dùng để xây dựng các mô-đun bổ trợ, nhằm khắc phục tình trạng giọng nói nhân tạo bị khô cứng, thiếu tự nhiên trong các hệ thống tổng hợp tiếng nói tiếng Việt (như thuật toán TD-PSOLA).

2. Mô hình toán học trong Chương IV giải quyết bài toán phát hiện quy luật như thế nào?

Mô hình quy bài toán về khảo sát hàm số đa biến $Y = F(x, w, i, j, k)$ với các đối tượng nghiên cứu $x$ (MeanPitch, trường độ), từ nghiên cứu $w$, hướng nghiên cứu $i$ (vị trí, thanh điệu lân cận, âm vị biên giới) và giá trị $j$. Thuật toán sắp xếp các tập giá trị $y(j)$ theo thứ tự giảm dần và tính toán các xác suất thống kê $p_{\max}, p_{\min}, p_{\text{ave}}$ để tìm ra các cặp quan hệ $(m, n)$ thỏa mãn điều kiện $y(m) > y(n)$ với độ tin cậy $\ge 90%$, đồng thời phát hiện và cô lập các ràng buộc ngoại lệ $C(i)$.

3. Tại sao hình dáng đường cong $F_0$ của âm tiết không dấu lại thay đổi theo thanh điệu đứng trước?

Do hiện tượng đồng cấu âm và quán tính của dây thanh âm cùng bộ máy phát âm. Khi âm tiết đứng liền trước mang thanh điệu có âm vực thấp hoặc biến thiên mạnh (như thanh nặng, hỏi, huyền), cơ quan phát âm cần thời gian chuyển tiếp trạng thái, làm cho điểm bắt đầu hoặc điểm cực đại của đường cong $F_0$ ở âm tiết không dấu kế tiếp bị lệch từ $5%$ đến $30%$ so với khi phát âm độc lập.

4. Tập dữ liệu thực nghiệm trong đồ án có quy mô và đặc điểm ra sao?

Nghiên cứu sử dụng cơ sở dữ liệu tiếng nói thu âm từ 4 người nữ có giọng đọc chuẩn Bắc Bộ từ Trung tâm nghiên cứu MICA. Trong đó, tác giả đã chọn lọc và phân tích chi tiết 512 ngữ đoạn câu trần thuật trên hai phần mềm chuyên dụng là Praat (phân tích cao độ) và WaveSurfer (phân tích trường độ).

5. Kết quả nào của khóa luận đã được thử nghiệm thực tế vào hệ thống tổng hợp tiếng nói?

Các kết quả phân tích về đặc tính trường độ (độ dài âm vị, độ dài âm tiết theo vị trí ngữ đoạn và các khoảng lặng) sau khi đối chiếu với số liệu của Viện nghiên cứu Công nghệ đã được thử nghiệm cài đặt trực tiếp vào bộ tổng hợp tiếng nói, mang lại chất lượng âm thanh tự nhiên hơn rõ rệt.

---

Kết luận

Khóa luận "Đồng cấu âm trong tiếng Việt" của tác giả Lê Văn Sơn là công trình nghiên cứu thực nghiệm nghiêm túc thuộc lĩnh vực xử lý tiếng nói và ngữ âm học máy tính, được thực hiện tại Trung tâm nghiên cứu MICA dưới sự hướng dẫn của TS. Trịnh Văn Loan. Đề tài đã thành công trong việc toán học hóa hiện tượng đồng cấu âm, xây dựng phần mềm công cụ hỗ trợ trên Visual Basic 6.0/DAO và lượng hóa chi tiết các quy luật biến đổi cao độ ($F_0$) cùng trường độ của âm tiết tiếng Việt trong ngữ đoạn câu trần thuật. Mặc dù còn hạn chế về quy mô dữ liệu giọng đọc và phạm vi kiểu câu, các phát hiện thực nghiệm và phương pháp luận của đồ án đã đóng góp nền tảng quan trọng cho việc nâng cao chất lượng tự nhiên của các hệ thống tổng hợp tiếng nói tiếng Việt.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu đề tài. Xác định được nhiệm vụ và mục tiêu của đề tài để có hướng nghiên cứu về sau. Chương 2: Nghiên cứu lý thuyết về ngôn ngữ tiếng Việt Chương 3: Nghiên cứu về ngữ âm tiếng Việt Chương 4: Lựa chọn phương pháp nghiên cứu và xây dựng phần mềm phục vụ nghiên cứu. Chương 5: Phân tích các đặc trưng về sự biến đổi cao độ của âm tiết trong ngữ đoạn.

Chương 6: Phân tích các đặc trưng về trường độ. Chương 7: Kết luận và hướng phát triển tiếp theo. 1 0 §ång cÊu ©m trong tiÕng ViÖt Chương II Cơ sở lý thuyết ngữ âm tiếng Việt Trước khi đi vào nghiên cứu tìm hiểu cấu trúc tiếng Việt dựa trên cơ sở đồng cấu âm, chúng ta sẽ đi vào tìm hiểu những kiến thức về ngữ âm tiếng Việt, những kiến thức cơ bản về đồng cấu âm. Ngữ âm học và âm vị học 1.

Cơ sở âm học Âm thanh ngôn ngữ cũng như mọi âm thanh khác trong cuộc sống, chúng đều có chung một cơ sở vật chất, đó là cơ sở vật lí. Những âm thanh nói chung được tạo thành nhờ sự chấn động của các phân tử không khí, các vật thể đàn hồi, chúng phụ thuộc vào các yếu tố như: vật thể chấn động, môi trường truyền âm, lực tác động. Âm thanh ngôn ngữ được tạo thành do sự rung động của dây thanh và sự hoạt động của các khí quan khác trong bộ máy phát âm. Khác với các âm thanh tự nhiên, âm thanh ngôn ngữ phải là các âm thanh đi qua bộ máy phát âm của con người và có mang nội dung thông báo.

Chính vì vậy, âm thanh ngôn ngữ có những đặc trưng riêng biệt về:  Ðộ cao  Ðộ mạnh  Ðộ dài  Âm sắc 1. Cơ sở sinh lí học 1 1 §ång cÊu ©m trong tiÕng ViÖt Bộ máy phát âm tức là toàn bộ những cơ cấu sinh lí có liên quan đến âm thanh ngôn ngữ như: môi, răng, lưỡi, khoang miệng, khoang mũi,. Ðịnh nghĩa  Là đơn vị ngữ âm nhỏ nhất không mang chức năng phân biệt nghĩa và nhận diện từ.  Là đơn vị âm thanh nhỏ nhất của lời nói có thể tách ra về mặt cấu âm thính giác, đồng chất trong một khoảng thời gian nhất định và thường tương ứng với mỗi một âm vị.

 Liên quan đến mặt tự nhiên của ngữ âm (bao gồm cơ sở âm học và sinh lí).  Phụ thuộc vào các yếu tố như: ngữ điệu, hoàn cảnh phát âm khi chúng kết hợp với các yếu tố khác trong cùng một âm tiết, bộ máy phát âm của mỗi cá nhân. Chính vì vậy, khi nói về số lượng của âm tố người ta không thể đếm được, chúng có vô vàn trong cuộc sống và chúng không phải là các yếu tố chuẩn.  Kí hiệu của âm tố là chúng được phiên âm giữa hai gạch vuông [ ].

Ngoài chúng còn có một số các yếu tố phụ như: môi hóa, ngắn, dài. Các loại âm tố 2. Phân loại âm tố về mặt cấu âm 2.1 Âm tố nguyên âm Các nguyên âm không thể phân loại theo tiêu chuẩn như của phụ âm. Về mặt phương thức cấu âm, nguyên âm chỉ thuộc vào một phương thức đó là luồng hơi ra tự do.

Nguyên âm không có vị trí cấu âm vì các khí quan không tạo thành khe, cũng không tạo thành chỗ tắc. Các nguyên âm cũng không thể phân loại theo tiếng thanh, vì bình thường, bất cứ nguyên âm nào cũng có tiếng thanh. Các nguyên âm chỉ khác nhau ở các hoạt động của các khí quan phát âm, trong đó quan trọng nhất là lưỡi. Vì sự thay đổi vị trí của lưỡi gây ra sự khác nhau rất lớn giữa các nguyên âm.