Chương 1 – GIỚI THIỆU 1. Lý do chọn đề tài Ngày nay, sự phát triển của khoa học công nghệ nói chung và công nghệ thông tin nói riêng góp một phần không nhỏ trong sự thay đổi và phát triển của cuộc sống con người. Chiếc máy vi tính ngày càng có nhiều những chức năng mạnh mẽ giúp ích con người thực thi các công việc trong rất nhiều lĩnh vực như khoa học, sản xuất công nghiệp hay các lĩnh vực xã hội khác như kinh tế, chính trị, văn hóa. Không chỉ máy tính, sự phát triển chóng mặt của các thiết bị di động cầm tay cũng tác động không nhỏ đến đời sống của con người.
Những chiếc smartphone nhỏ gọn, thông minh không chỉ giúp mọi người liên lạc với nhau dễ dàng hơn, mà nó còn cung cấp rất nhiều những tính năng hữu ích khác như các ứng dụng văn phòng, giải trí, khả năng kết nối mạng để tìm hiểu thông tin. Với những tính năng mạnh mẽ ấy cộng với giá thành vừa phải đã khiến các thiết bị này trở nên rất phổ biến và như vật bất ly thân của rất nhiều người. Theo báo cáo của Nielsen [9] – công ty nghiên cứu thị trường hàng đầu thế giới – số lượng smartphone trong quý 4 năm 2011 là 472 triệu, tương đương 46% tổng số điện thoại trên toàn thế giới. Cũng theo tổng hợp trên App Store [8], có khoảng 5 ứng dụng, đạt khoảng 3 triệu lượt tải, phục vụ cho việc biến đổi giọng nói.
Tuy nhiên, những ứng dụng này chỉ cung cấp cho người dùng một số lượng rất ít những hiệu ứng để biến đổi giọng nói và tương đối khó dùng khi yêu cầu người sử dụng phải tinh chỉnh những tham số ít thân thiện. Chính vì vậy, ý tưởng luận văn “Xây dựng hệ thống biến đổi giọng nói trên nền tảng di động – iPhone” ra đời với những lý do: - Đưa ra cách tiếp cận chung cho bài toán biến đổi giọng nói. - Đưa ra nhiều tham số tương ứng với nhiều hiệu ứng khác nhau nhằm biến đổi giọng nói sang nhiều môi trường khác nhau. Đây là bài toán được nhiều người quan tâm, song chưa có báo cáo nào đưa ra những tham số cụ thể với từng hiệu ứng nên những ứng dụng hiện tại thường cài đặt rất ít hiệu ứng và Xây dựng hệ thống biến đổi giọng nói trên nền tảng di động iPhone Nguyễn Văn Hiển – 2012 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 7 đòi hỏi người sử dụng phải hiểu biết sâu sắc về âm thanh.
Đề tài đưa ra cách tiếp cận hợp lý để biến đổi giọng nói sang nhiều hiệu ứng khác nhau. - Xây dựng một ứng dụng cho phép biến đổi giọng nói trên nền tảng di động, tạo tiền đề cho bài toán xây dựng ứng dụng cho phép tạo những cuộc gọi giả, giúp người gọi che giấu được giọng nói và môi trường hiện tại. Xác định bài toán Đề tài tôi nghiên cứu và thực hiện: “Xây dựng hệ thống biến đổi giọng nói trên nền tảng di động – iPhone” xuất phát từ mong muốn xây dựng một ứng dụng di động độc đáo, được cụ thể hoá trên nền tảng công nghệ iPhone. Với ứng dụng này, người dùng có thể: - Ghi âm giọng nói - Biến đổi giọng nói • Sang một giọng nói khác như: nam giới, nữ giới, trẻ em,… • Trong một môi trường khác: mưa rơi, đường phố,… - Biến đổi giọng nói ngay trong cuộc đàm thoại qua Skype 1.
Ý nghĩa thực tiễn Hệ thống biến đổi giọng nói được xây dựng có nhiều ý nghĩa thực tiễn. Trên nền tảng di động, hệ thống có thể giúp tạo ra các cuộc gọi giả. Người gọi – khi cần che giấu, hay đánh lạc hướng qua giọng nói – có thể sử dụng hệ thống mình nhằm tránh được người nghe có thể nhận ra giọng nói của mình. Ngoài ra, người gọi cũng có thể lựa chọn các hiệu ứng môi trường khác nhau nhằm đánh lừa người nghe về vị trí mình đang gọi điện.
Đây là ứng dụng rất phổ biến, chỉ tính riêng trên nền tảng iPhone đã có 5 ứng dụng cùng khoảng gần 3 triệu lượt cài đặt [8]. Đây là ứng dụng cơ bản nhất của hệ thống biến đổi giọng nói trên nền tảng di động. Người viết chọn việc xây dựng ứng dụng trên nền tảng di động rất phổ biến – iPhone. Xây dựng hệ thống biến đổi giọng nói trên nền tảng di động iPhone Nguyễn Văn Hiển – 2012 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 8 Như đã đề cập, những ứng dụng hiện có chỉ cung cấp một số ít những hiệu ứng trong tự nhiên.
Luận văn này đưa ra phương pháp tiếp cận phù hợp nhằm tạo được nhiều hiệu ứng hơn. Phạm vi đề tài Vì bài toán “biến đổi giọng nói” khá phức tạp và có rất nhiều ứng dụng, trong thời gian thực hiện ngắn, đề tài chỉ tập trung vào những vấn đề trong phạm vi sau: - Tìm hiểu bài toán biến đổi giọng nói, tìm hiểu một số cách tiếp cận để giải quyết bài toán, từ đó đưa ra cách tiếp cận hợp lý nhất. - Đề xuất các biến đổi dựa trên cách tiếp cận đã tìm hiểu, đưa ra các tham số phù hợp để biến đổi sang khoảng 20 giọng nói và 5 hiệu ứng môi trường. - Cài đặt một ứng dụng trên iPhone theo cách tiếp cận đề ra.
- Cài đặt plugin Skype để biến đổi giọng nói theo cách tiếp cận đề ra. Nội dung và cấu trúc luận văn Với nội dung chính là trình bày những lý thuyết về bài toán xử lý giọng nói, xây dựng ứng dụng trên nền tảng di động và cách giải quyết bài toán khi xây dựng một ứng dụng cụ thể trên nền tảng iPhone, luận văn được trình bày theo cấu trúc sau: Chương Một trình bày lý do chọn đề tài. Qua đó trình bày nhu cầu thực tiễn cần một sản phẩm biến đổi giọng nói trên nền tảng di động – iPhone. Chương Hai trình bày những hệ thống lý thuyết và công nghệ liên quan, được sử dụng trong việc Xây dựng hệ thống biến đổi giọng nói trên nền tảng di động – iPhone.
Những cơ sở lý thuyết và công nghệ được trình bày gồm có: - Bài toán biến đổi giọng nói - Biểu diễn tín hiệu tiếng nói - Những phương pháp biến đổi giọng nói - Nền tảng di động iPhone - Nền tảng Skype Xây dựng hệ thống biến đổi giọng nói trên nền tảng di động iPhone Nguyễn Văn Hiển – 2012 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 9 Trên cơ sở lý thuyết và công nghệ được trình bày trong chương Hai, chương Ba trình bày quá trình áp dụng những cơ sở lý thuyết và công nghệ nhằm xây ứng dụng biến đổi giọng nói trên nền tảng di động – iPhone. Nội dung của chương tập trung vào: - Những yêu cầu kỹ thuật, khó khăn khi xây dựng hệ thống - Những giải pháp đề xuất và áp dụng - Đánh giá ưu, nhược điểm của hệ thống Chương Bốn mô tả quá trình cài đặt, sử dụng hệ thống và những kết quả thực nghiệm, những đánh giá khi sử dụng hệ thống trong thực tế. Xây dựng hệ thống biến đổi giọng nói trên nền tảng di động iPhone Nguyễn Văn Hiển – 2012 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 10 Chương 2 – CƠ SỞ LÝ THUYẾT VÀ CÔNG NGHỆ 2. Tổng quan về bài toán biến đổi giọng nói Biến đổi giọng nói là một kỹ thuật thay đổi tiếng nói của người phát âm sang tiếng nói của một đối tượng khác.
Bài toán biến đổi giọng nói có một số ứng dụng như tuỳ chỉnh giọng nói cho hệ thống “đọc văn bản” (text to speech), biến đổi thành giọng nói của người nổi tiếng nhằm sử dụng trong lĩnh vực hoạt hoạ, tuỳ chỉnh chất giọng của ca sỹ… [6]. Yêu cầu chính để giải quyết bài toán là xử lý một số lượng lớn những tín hiệu tiếng nói đầu vào, chuyển đổi thành dãy tín hiệu tiếng nói tương ứng. Có một số cách tiếp cận để giải quyết bài toán biến đổi giọng nói, trong đó nổi bật là hai cách tiếp cận sau: Thứ nhất, cách tiếp cận dựa trên “tập mẫu” (codebook based) giải quyết bài toán thông qua việc xây dựng một tập lớn những tín hiệu mẫu giữa những giọng nói khác nhau. Khi cần biến đổi tiếng nói của đối tượng A sang tiếng nói của đối tượng B, cách tiếp cận này hoạt động theo các bước: - Nhận dạng tiếng nói phát ra từ đối tượng A, so sánh với những tín hiệu mẫu đã lưu trữ.
- Nếu tín hiệu của đối tượng A được nhận dạng “tốt” (gần giống chính xác với mẫu đã lưu trữ), hệ thống sẽ biến đổi bẳng cách đưa ra tín hiệu tương ứng của đối tượng B. - Trong trường hợp tín hiệu của đối tượng A không trùng với mẫu, hệ thống phải được cài đặt một thuật toán nhằm giúp sinh ra được tín hiệu này dựa trên các mẫu đã có. Tương tự, tín hiệu của B cũng được xây dựng dựa trên những tín hiệu mẫu tương ứng và thuật toán trên. Cách tiếp cận này có ưu điểm là: thường cho độ chính xác rất cao khi tập mẫu rất lớn và các tín hiệu rời rạc.
Khi đó, các mẫu nhỏ thường rất dễ so sánh và việc biến đổi trở nên dễ dàng. Ngược lại, việc sinh ra tín hiệu không được lưu trong mẫu khiến thời gian xử lý rất lâu. Vì tiếng nói trong tự nhiên rất đa dạng, với vài trăm ngàn từ có thể tạo thành hàng trăm triệu câu nói với những ngữ điệu khác nhau nên cách tiếp cận này bộc lộ nhược điểm Xây dựng hệ thống biến đổi giọng nói trên nền tảng di động iPhone Nguyễn Văn Hiển – 2012 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 11 là luôn phải đánh đổi giữa thời gian xử lý và kích thước lưu trữ. Chính vì vậy cách tiếp cận này chỉ được sử dụng trong một số ít những bài toán biến đổi giọng nói nhất định.
Cách tiếp cận thứ hai, dựa trên việc biến đổi (transformation based) [6] thường cho chất lượng kém hơn nhưng rất dễ thực hiện trong thời gian thực. Cách tiếp cận này dựa trên các xử lý sau: - Tìm kiếm đặc trưng của các giọng nói, từ đó đưa ra cách thức biến đổi từ giọng nói này sang giọng nói khác. - Tín hiệu tiếng nói A, dựa trên cách thức biến đổi xác định, được biến đổi sang tín hiệu tiếng nói B. Cách tiếp cận này thường cho phép biến đổi nhanh trong thời gian thực với kết quả chấp nhận được.
Đây cũng chính là cách tiếp cận trong luận văn này.