Nghiên Cứu Nâng Cao Chất Lượng Tổng Hợp Tiếng Việt Cho Phần Mềm VNVoice

Luận văn thạc sĩ nghiên cứu các phương pháp nâng cao chất lượng tổng hợp tiếng Việt và thử nghiệm phần mềm vnvoice trong công nghệ thông tin.

• Tác giả: Nguyễn Thị Thanh Mai
• Người hướng dẫn: PGS. Lương Chi Mai
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Nâng Cao Chất Lượng Tổng Hợp Tiếng Việt Trong Phần Mềm VNVoice
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2007
• Địa điểm: Hà Nội

Mục lục chi tiết

• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ TỔNG HỢP TIẾNG NÓI
• 1.1. Lịch sử phát triển và ứng dụng tổng hợp tiếng nói
• 1.2. Đặc điểm ngữ âm tiếng Việt
• 1.2.1. Âm chính
• 1.2.2. Một số đặc trưng của âm vị về mặt âm học
• 1.3. Các phương pháp tổng hợp tiếng nói
• 1.3.1. Tổng hợp theo cấu âm
• 1.3.2. Tổng hợp formant theo quy luật
• 1.3.3. Tổng hợp ghép nối
• 1.3.4. Tổng hợp xích chuỗi
• 1.3.5. Đánh giá các phương pháp tổng hợp tiếng nói
• 2. CHƯƠNG 2: CÁC THÀNH PHẦN CƠ BẢN CỦA HỆ TỔNG HỢP TIẾNG NÓI
• 2.1. Giới thiệu hệ tổng hợp tiếng nói
• 2.2. Thành phần xử lý ngôn ngữ tự nhiên
• 2.2.1. Phân tích văn bản
• 2.2.2. Chuyển ký tự thành âm thanh
• 2.2.3. Sinh ngôn điệu
• 2.3. Thành phần xử lý tín hiệu số
• 3. CHƯƠNG 3: MỘT SỐ PHƯƠNG PHÁP CẢI TIẾN CHẤT LƯỢNG GIỌNG TỔNG HỢP
• 3.1. Các phương pháp cải tiến chất lượng giọng tổng hợp
• 3.2. Mô hình trường độ
• 3.3. Thay đổi biên độ
• 3.4. Hiệu chỉnh đường tần số cơ bản
• 3.4.1. Sử dụng mô hình Fujisaki hiệu chỉnh đường F0
• 3.4.2. Mô hình Tilt
• 3.4.3. Phân lớp đường thanh điệu trong ngữ cảnh câu
• 4. CHƯƠNG 4: THỬ NGHIỆM CẢI TIẾN GIỌNG ĐỌC TỔNG HỢP TIẾNG VIỆT TRONG PHẦN MỀM VNVOICE
• 4.1. Đánh giá VnVoice và một số giọng tổng hợp tiếng Việt hiện nay
• 4.1.1. Một số hạn chế của VnVoice
• 4.2. Cơ sở dữ liệu tiếng nói
• 4.3. Đánh giá thực nghiệm
• KẾT LUẬN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Tổng Hợp Tiếng Nói Lịch Sử và Ứng Dụng

Tổng hợp tiếng nói là lĩnh vực khoa học nghiên cứu và phát triển công nghệ tạo ra âm thanh tiếng nói từ máy tính. Mục tiêu là tái tạo âm thanh tự nhiên như người nói. Ngành này đã trải qua một chặng đường dài, từ những nỗ lực sơ khai đến các ứng dụng thực tế. Dù vậy, việc đạt được chất lượng tổng hợp tiếng Việt cao và độ tự nhiên tiếng Việt vẫn là thách thức lớn. Máy nói đầu tiên do Wolfgang Von Kempelen chế tạo năm 1791, mô phỏng bộ máy phát âm. Đến năm 1939, máy VODER của Dudley đã mô hình hóa cộng hưởng của ống thanh. Sự ra đời của máy tính điện tử vào giữa những năm 1950 đã tạo điều kiện cho việc kiểm soát các tham số tổng hợp tiếng nói một cách có hệ thống.

1.1. Lịch Sử Phát Triển Công Nghệ Tổng Hợp Tiếng Nói

Lịch sử phát triển của công nghệ tổng hợp tiếng nói trải dài từ những nỗ lực cơ học đến các hệ thống điện tử phức tạp. Những cột mốc quan trọng bao gồm máy nói của Kempelen, máy VODER và sự ra đời của máy tính. Sự phát triển của máy tính đã cho phép kiểm soát các tham số tổng hợp tiếng nói một cách có hệ thống. Sự phát triển vượt bậc của khoa học và công nghệ trong những năm 1980-1990, đặc biệt là sự phát triển của máy tính và xử lý tín hiệu số, đã tạo ra những bước tiến đáng kể trong lĩnh vực này. Điều này được thúc đẩy bởi khả năng tính toán nhanh chóng của máy tính, khả năng lưu trữ dữ liệu lớn và sự dễ dàng truy cập vào các cơ sở dữ liệu âm thanh và văn bản.

1.2. Các Ứng Dụng Thực Tế Của Tổng Hợp Tiếng Nói Hiện Nay

Ứng dụng tổng hợp tiếng nói rất đa dạng, bao gồm học ngoại ngữ, trợ giúp người tàn tật, truyền thông tin bằng âm thanh, lưu trữ và khai thác dữ liệu, viễn thông (IVR, unified messaging), và thông tin đa phương tiện. Ví dụ, hệ thống tổng hợp tiếng nói có thể đọc văn bản cho người mù hoặc giúp người mất khả năng nói giao tiếp thông qua văn bản được chuyển thành giọng nói. Trong viễn thông, nó được sử dụng rộng rãi trong các ứng dụng trả lời trực tuyến và hệ thống thông tin tích hợp thông điệp hợp nhất. Tổng hợp tiếng nói cũng được ứng dụng trong các trò chơi, thiết bị báo động và các thiết bị gia đình khác.

II. Thách Thức Trong Tổng Hợp Tiếng Việt Chất Lượng Cao

Tổng hợp tiếng Việt gặp nhiều thách thức đặc thù. Khác với các ngôn ngữ khác, các phần mềm đọc văn bản tiếng Việt không thể sử dụng lại từ các ngôn ngữ khác. Tiếng Việt là ngôn ngữ đơn âm đa thanh điệu, đòi hỏi sự chú trọng đặc biệt đến các đặc điểm ngữ âm. Nghiên cứu và phát triển công nghệ tổng hợp tiếng Việt chất lượng cao là một quá trình phức tạp, đòi hỏi sự hiểu biết sâu sắc về ngôn ngữ, xử lý tín hiệu và khoa học máy tính. Luận văn này hướng đến nghiên cứu và thử nghiệm các kỹ thuật và mô hình xử lý ngôn điệu để nâng cao chất lượng tổng hợp tiếng Việt trong VNVoice.

2.1. Đặc Điểm Ngữ Âm Tiếng Việt và Ảnh Hưởng Đến TTS

Tiếng Việt là ngôn ngữ đơn âm, có thanh điệu, và có cấu trúc âm tiết tính. Âm tiết tiếng Việt có cấu trúc chặt chẽ và ổn định, với các âm vị có vị trí cố định. Mỗi âm tiết thường tương ứng với một hình vị. Thanh điệu đóng vai trò quan trọng trong việc phân biệt nghĩa của từ. Các yếu tố này đặt ra những thách thức riêng cho việc phát triển các hệ thống TTS tiếng Việt chất lượng cao. Cụ thể, hệ thống cần phải xử lý chính xác các thanh điệu, các biến thể âm vị và cấu trúc âm tiết để tạo ra giọng nói tự nhiên và dễ hiểu.

2.2. Các Yếu Tố Ảnh Hưởng Đến Độ Tự Nhiên Của Giọng Đọc Tiếng Việt

Độ tự nhiên tiếng Việt của giọng đọc tổng hợp phụ thuộc vào nhiều yếu tố, bao gồm bộ đơn vị ngữ cảnh, bộ chuẩn hóa văn bản, bộ xử lý ngôn ngữ, tối ưu hóa chọn đơn vị ngữ cảnh, các hiện tượng ngôn ngữ như dính âm và biến thanh, và các hiện tượng ngôn điệu như thanh điệu trong câu và trường độ. Để đạt được giọng đọc tự nhiên, hệ thống cần phải mô phỏng chính xác các yếu tố này. Tổng hợp tiếng Việt hiện nay mới đạt ở mức độ đọc rõ ràng trong khi các ứng dụng thực tế đòi hỏi giọng tổng hợp phải tự nhiên như người nói.

III. Các Phương Pháp Cải Thiện Chất Lượng Tổng Hợp Tiếng Việt

Có nhiều phương pháp để cải thiện chất lượng tổng hợp tiếng Việt, tập trung vào mô hình hóa trường độ, thay đổi biên độ, hiệu chỉnh đường tần số cơ bản (F0), và phân lớp đường thanh điệu trong ngữ cảnh câu. Việc sử dụng các mô hình ngôn ngữ tiên tiến và kỹ thuật học máy tiếng Việt cũng đóng vai trò quan trọng. Nghiên cứu này tập trung vào việc thử nghiệm một số phương pháp cải tiến chất lượng và kết quả cải tiến được thể hiện trong chương 4.

3.1. Mô Hình Hóa Trường Độ Trong Tổng Hợp Tiếng Nói

Mô hình trường độ đóng vai trò quan trọng trong việc tạo ra giọng đọc tự nhiên. Trường độ là độ dài của âm tiết hoặc âm vị, và nó có thể ảnh hưởng đến ngữ điệu và nhịp điệu của câu. Các mô hình trường độ có thể được xây dựng dựa trên các đặc trưng ngôn ngữ như loại âm vị, vị trí trong âm tiết, vị trí trong từ, và ngữ cảnh xung quanh. Các phương pháp mô hình hóa trường độ phổ biến bao gồm sử dụng cây quyết định (CART) và các mô hình học máy khác.

3.2. Hiệu Chỉnh Đường Tần Số Cơ Bản F0 Để Tạo Ngôn Điệu

Đường tần số cơ bản (F0) là một yếu tố quan trọng trong việc tạo ra ngôn điệu tự nhiên. F0 thay đổi theo thời gian và tạo ra các đường cong ngữ điệu khác nhau. Việc hiệu chỉnh F0 có thể được thực hiện bằng cách sử dụng các mô hình như mô hình Fujisaki hoặc mô hình Tilt. Các mô hình này cho phép kiểm soát các tham số như độ cao, độ dốc và thời điểm của các thay đổi F0, từ đó tạo ra các ngữ điệu khác nhau.

3.3. Phân Lớp Đường Thanh Điệu Trong Ngữ Cảnh Câu

Thanh điệu đóng vai trò quan trọng trong việc phân biệt nghĩa của từ trong tiếng Việt. Tuy nhiên, thanh điệu không chỉ đơn thuần là thuộc tính của từng âm tiết mà còn bị ảnh hưởng bởi ngữ cảnh xung quanh. Việc phân lớp đường thanh điệu trong ngữ cảnh câu có thể giúp hệ thống tổng hợp tiếng nói tạo ra giọng đọc tự nhiên và dễ hiểu hơn. Các phương pháp phân lớp có thể dựa trên các đặc trưng ngữ âm, ngữ pháp và ngữ nghĩa.

IV. Thử Nghiệm Cải Tiến Giọng Đọc VNVoice Kết Quả và Đánh Giá

Luận văn này đã thử nghiệm các phương pháp cải tiến giọng đọc tổng hợp tiếng Việt trong phần mềm VNVoice cải tiến. Đánh giá được thực hiện dựa trên độ chính xác tiếng Việt và độ tự nhiên tiếng Việt của giọng đọc. Kết quả cho thấy việc áp dụng các phương pháp mô hình hóa trường độ, hiệu chỉnh F0 và phân lớp đường thanh điệu giúp cải thiện đáng kể chất lượng giọng đọc. Tuy nhiên, vẫn còn nhiều hạn chế cần khắc phục để đạt được giọng đọc tự nhiên như người nói. Cụ thể, chất lượng giọng tổng hợp còn phụ thuộc vào rất nhiều các yếu tố khác như: Bộ đơn vị ngữ cảnh, Bộ chuẩn hóa văn bản, Bộ xử lý ngôn ngữ: từ, câu,… Tối ưu hóa chọn đơn vị ngữ cảnh, Các hiện tượng ngôn ngữ tiếng Việt: dính âm, biến thanh, năng lượng, trường độ thanh, Các hiện tượng ngôn điệu: thanh điệu trong câu , trường độ.

4.1. Đánh Giá VnVoice và Các Giọng Tổng Hợp Tiếng Việt Hiện Nay

Để đánh giá hiệu quả của các phương pháp cải tiến, cần so sánh VNVoice với các giọng tổng hợp tiếng Việt hiện nay. Các tiêu chí đánh giá bao gồm độ dễ hiểu tiếng Việt, độ tự nhiên tiếng Việt và mức độ truyền đạt cảm xúc. Các phương pháp đánh giá có thể sử dụng là đánh giá chủ quan (người nghe đánh giá) và đánh giá khách quan (dựa trên các chỉ số đo lường). Một số hạn chế của VnVoice được chỉ ra, bao gồm việc xử lý các hiện tượng ngôn ngữ phức tạp và khả năng mô phỏng cảm xúc chưa tốt.

4.2. Cơ Sở Dữ Liệu Tiếng Nói và Qui Trình Thử Nghiệm

Việc xây dựng cơ sở dữ liệu tiếng nói chất lượng cao là yếu tố then chốt để phát triển các hệ thống tổng hợp tiếng nói tốt. Cơ sở dữ liệu cần bao gồm đa dạng các giọng đọc, ngữ cảnh và biểu cảm. Quy trình thử nghiệm cần được thiết kế chặt chẽ để đảm bảo tính khách quan và độ tin cậy của kết quả. Các thử nghiệm cần được thực hiện trên nhiều loại văn bản khác nhau và với nhiều người nghe khác nhau.

4.3. Kết Quả Thử Nghiệm và Phân Tích Cải Thiện VNVoice

Kết quả thử nghiệm cho thấy các phương pháp cải tiến đã giúp cải thiện đáng kể độ tự nhiên tiếng Việt và độ dễ hiểu tiếng Việt của giọng đọc VNVoice. Các cải tiến đáng chú ý bao gồm việc mô phỏng chính xác hơn các thanh điệu, các ngữ điệu tự nhiên và các biến thể âm vị. Tuy nhiên, vẫn còn nhiều hạn chế cần khắc phục để đạt được giọng đọc tự nhiên như người nói. Cần tiếp tục nghiên cứu và phát triển các phương pháp tối ưu hóa VNVoice tiên tiến hơn.

V. Kết Luận và Hướng Phát Triển Của VNVoice trong Tương Lai

Luận văn đã nghiên cứu và thử nghiệm một số phương pháp nâng cao chất lượng tổng hợp tiếng Việt trong phần mềm VNVoice. Kết quả cho thấy các phương pháp này có tiềm năng lớn trong việc cải thiện chất lượng giọng đọc. Trong tương lai, cần tiếp tục nghiên cứu các phương pháp mới và tích hợp chúng vào VNVoice để tạo ra một hệ thống tổng hợp tiếng nói chất lượng cao, có thể đáp ứng nhu cầu của người dùng.

5.1. Tóm Tắt Kết Quả Nghiên Cứu và Đóng Góp

Nghiên cứu này đã đóng góp vào việc cải thiện VNVoice bằng cách thử nghiệm và đánh giá các phương pháp mô hình hóa trường độ, hiệu chỉnh F0 và phân lớp đường thanh điệu. Kết quả cho thấy các phương pháp này có hiệu quả trong việc cải thiện độ tự nhiên tiếng Việt và độ dễ hiểu tiếng Việt của giọng đọc. Nghiên cứu này cũng cung cấp những hiểu biết sâu sắc hơn về các yếu tố ảnh hưởng đến chất lượng tổng hợp tiếng Việt.

5.2. Hướng Phát Triển Tiếp Theo Cho Phần Mềm VNVoice

Trong tương lai, VNVoice cần tiếp tục được phát triển theo hướng tích hợp các công nghệ AI cho tiếng Việt tiên tiến hơn, chẳng hạn như Deep Learning tiếng Việt và các mô hình ngôn ngữ lớn. Cần tập trung vào việc cải thiện khả năng xử lý các hiện tượng ngôn ngữ phức tạp, mô phỏng cảm xúc và tạo ra giọng đọc cá nhân hóa. Đồng thời, cần xây dựng một cơ sở dữ liệu tiếng nói lớn và đa dạng để huấn luyện các mô hình tổng hợp tiếng nói chất lượng cao.

Nội dung chính

Tổng quan nghiên cứu

Công nghệ tổng hợp tiếng nói từ văn bản đóng vai trò cốt lõi trong việc xây dựng giao tiếp tự nhiên giữa người và máy tính. Trong bối cảnh tiếng Việt là một ngôn ngữ đơn âm đa thanh điệu với khoảng 17.000 vỏ ngữ âm tiềm năng và hơn 6.900 âm tiết tồn tại thực tế, việc tạo ra giọng đọc nhân tạo vừa chuẩn xác vừa tự nhiên luôn là thách thức lớn. Phần lớn các giải pháp tổng hợp giọng nói tiếng Việt giai đoạn đầu chỉ dừng lại ở mức độ đọc rõ ràng từng âm rời rạc, chưa đạt được độ mượt mà của lời nói tự nhiên do thiếu hụt các mô hình xử lý ngôn điệu hoàn chỉnh.

Mục tiêu trọng tâm của nghiên cứu là phân tích các đặc trưng ngữ âm học tiếng Việt, khảo sát các phương pháp tổng hợp tiếng nói tiên tiến trên thế giới, từ đó đề xuất và tích hợp các giải pháp cải tiến ngôn điệu vào phần mềm tổng hợp tiếng Việt VnVoice. Nghiên cứu tập trung giải quyết tình trạng gián đoạn biên độ, sai lệch năng lượng và đứt gãy đường tần số cơ bản tại các điểm ghép nối âm thanh.

Phạm vi nghiên cứu được thực hiện tại Trường Đại học Công nghệ thuộc Đại học Quốc gia Hà Nội, tập trung vào tiếng Việt tiêu chuẩn theo giọng đọc Bắc Bộ. Về mặt ý nghĩa thực tiễn, việc tối ưu hóa giải thuật tổng hợp giúp nâng cao chỉ số đánh giá chất lượng giọng nói trung bình từ mức 2.9 điểm lên trên 3.8 điểm theo thang đo chuẩn 5 mức, đồng thời giảm thiểu độ lệch tần số cơ bản xuống dưới 10%, tạo nền tảng vững chắc cho các hệ thống hỗ trợ người khiếm thị và các dịch vụ viễn thông thông minh.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên ba trụ cột lý thuyết chính gồm âm vị học tiếng Việt, mô hình nguồn âm và bộ lọc tuyến âm, cùng các giải thuật xử lý tín hiệu số hiện đại:

• Lý thuyết cấu trúc âm tiết tiếng Việt hai bậc: Hệ thống âm vị tiếng Việt bao gồm 21 phụ âm đầu, 11 nguyên âm đơn, 3 nguyên âm đôi, 2 bán nguyên âm và 6 phụ âm cuối, kết hợp cùng 6 thanh điệu phân chia theo hai nhóm bằng và trắc. Đặc tính âm vực cao hoặc thấp kết hợp với sự biến thiên đường tần số cơ bản F0 tạo nên nét đặc thù bắt buộc phải mô hình hóa chính xác khi tổng hợp.
• Mô hình nguồn âm và tuyến âm của Klatt: Tiếp cận quá trình phát âm của con người thông qua hệ thống gồm 40 tham số điều khiển, cho phép mô phỏng sự tương tác giữa nguồn kích hữu thanh, vô thanh và mạng lưới bộ lọc cộng hưởng formant nối tiếp kết hợp song song.
• Mô hình tổng hợp ghép nối và thuật toán TD-PSOLA: Phương pháp ghép nối các đoạn sóng âm được ghi âm sẵn trong miền thời gian, sử dụng thuật toán cộng chồng đồng bộ bước sóng để điều chỉnh cao độ và độ dài âm tiết mà không làm biến dạng phổ tần số.
• Các mô hình biểu diễn ngôn điệu: Sử dụng mô hình tham số hóa Fujisaki, mô hình đường nghiêng Tilt và cây quyết định hồi quy CART nhằm tham số hóa và dự báo các thuộc tính siêu đoạn tính như trường độ, năng lượng và tần số cơ bản.

Phương pháp nghiên cứu

• Nguồn dữ liệu và cỡ mẫu: Ngữ liệu nghiên cứu bao gồm một kho âm thanh được thu âm chuẩn từ giọng đọc nữ miền Bắc, bao phủ hơn 2.000 đơn vị bán âm tiết và diphone đại diện cho toàn bộ hệ thống âm thanh tiếng Việt. Tập văn bản thử nghiệm gồm 100 câu trần thuật và hội thoại đa dạng ngữ cảnh với tổng số hơn 1.500 từ đơn và từ ghép.
• Phương pháp chọn mẫu: Áp dụng phương pháp chọn mẫu phân tầng theo cấu trúc âm vị học. Mẫu thu âm được thiết kế sao cho xuất hiện đầy đủ các tổ hợp chuyển tiếp giữa phụ âm và nguyên âm, các biến thể thanh điệu và hiện tượng thanh hầu hóa trong câu.
• Phương pháp phân tích dữ liệu: Sử dụng kỹ thuật phân tích dự báo tuyến tính LPC kết hợp phân tích ảnh phổ ba chiều để trích xuất các formant từ F1 đến F5, băng thông và đường F0. Cây hồi quy CART được lựa chọn vì khả năng xấp xỉ phi tuyến tính tốt, xử lý hiệu quả các quy luật ngôn ngữ phức tạp và đem lại độ diễn giải tường minh cao.
• Trục thời gian nghiên cứu: Quá trình phân tích âm học, thu thập dữ liệu ngữ âm, xây dựng mô hình toán học và cài đặt thử nghiệm trên mã nguồn phần mềm VnVoice được triển khai hoàn chỉnh trong chu kỳ 12 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Nghiên cứu đã đạt được các kết quả định lượng cụ thể thông qua quá trình thử nghiệm thực tế:

• Tối ưu hóa dự báo trường độ âm tiết: Việc ứng dụng cây phân lớp và hồi quy CART vào phân tích ngữ cảnh câu giúp giảm sai số dự báo trường độ âm tiết xuống dưới 15% so với mô hình tham số tĩnh cố định, đảm bảo nhịp điệu ngắt nghỉ câu tự nhiên hơn.
• Triệt tiêu lỗi gián đoạn biên độ và năng lượng: Kỹ thuật làm trơn tuyến tính tại các biên ghép nối diphone và bán âm tiết đã loại bỏ hiện tượng vỡ tiếng và giật cục trên 80% các trường hợp thử nghiệm, tạo ra dòng ngữ lưu liền mạch.
• Tái tạo chính xác đường nét thanh điệu: Mô hình hiệu chỉnh đường F0 kết hợp mô hình Tilt giúp tái hiện chính xác quỹ đạo của 6 thanh điệu tiếng Việt trong ngữ cảnh câu hoàn chỉnh. Kết quả đánh giá thực nghiệm cho thấy điểm trung bình chất lượng MOS tăng từ 2.9/5.0 lên mức 3.85/5.0, tương đương mức cải thiện 32.7% về độ tự nhiên và tính dễ hiểu.

Thảo luận kết quả

Nguyên nhân chính dẫn đến sự gia tăng vượt trội về chất lượng giọng đọc nằm ở việc giải quyết triệt để sự mất liên tục của tín hiệu tại các điểm nối âm thanh. Trong các hệ thống ghép nối truyền thống, sự chênh lệch đột ngột về mức áp suất âm thanh và độ cao F0 giữa hai âm vị kế tiếp tạo ra các tiếng ồn nhân tạo rất dễ nhận biết bằng tai người. Bằng cách áp dụng thuật toán TD-PSOLA kết hợp với mô hình làm trơn tham số, các bước nhảy biên độ đã được làm mịn hoàn toàn.

Khi so sánh với phương pháp tổng hợp formant thuần túy theo quy luật như ở phần mềm VnSpeech, giải pháp ghép nối cải tiến trên VnVoice giữ lại được trọn vẹn đặc tính âm sắc tự nhiên của giọng người thật nhờ khai thác trực tiếp dữ liệu sóng âm gốc.

Dữ liệu thực nghiệm này có thể được trình bày trực quan qua biểu đồ đường cong biến thiên tần số cơ bản F0 theo thời gian, đặt cạnh ảnh phổ âm thanh thực tế để chứng minh sự tương đồng giữa giọng đọc tổng hợp và giọng nói của người bản ngữ. Bên cạnh đó, bảng thống kê phân bố điểm MOS theo từng tiêu chí như độ rõ ràng âm vị, tính tự nhiên ngữ điệu và mức độ dễ chịu khi nghe liên tục sẽ làm nổi bật tính ưu việt của giải pháp cải tiến.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, bốn giải pháp mang tính hành động cao được đề xuất nhằm tiếp tục hoàn thiện công nghệ tổng hợp tiếng Việt:

• Mở rộng quy mô cơ sở dữ liệu tiếng nói: Các viện nghiên cứu và trường đại học cần phối hợp thu âm mở rộng kho ngữ liệu lên trên 15.000 câu đa dạng lĩnh vực trong vòng 6 đến 12 tháng tới, nhằm nâng cao tỷ lệ bao phủ ngữ cảnh âm vị đạt mức 99%.
• Tối ưu hóa thuật toán lựa chọn đơn vị động: Đội ngũ kỹ sư phát triển phần mềm cần tích hợp thuật toán quy hoạch động Viterbi để tự động tìm kiếm chuỗi đơn vị âm thanh tối ưu trên miền thời gian thực, giảm độ trễ phản hồi của hệ thống xuống dưới 50 mili-giây.
• Chuẩn hóa mô đun phân tích văn bản và xử lý ngôn ngữ tự nhiên: Nâng cấp bộ phân tích cú pháp, từ điển nhận dạng thực thể tên riêng, từ viết tắt và các ký hiệu số nhằm đạt độ chính xác phân tách từ và gán nhãn từ loại trên 98% trong lộ trình 6 tháng.
• Phát triển bộ tham số đa phương ngữ: Các nhóm nghiên cứu âm học cần xây dựng bổ sung bộ quy tắc và cơ sở dữ liệu cho giọng miền Trung và miền Nam trong thời gian 18 tháng, giúp các ứng dụng tổng hợp giọng nói phục vụ đồng đều người dùng trên toàn quốc.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị học thuật và thực tiễn phong phú cho 4 nhóm đối tượng chuyên môn:

• Kỹ sư xử lý ngôn ngữ tự nhiên và tiếng nói: Cung cấp tài liệu tham khảo chi tiết về thuật toán TD-PSOLA, kỹ thuật phân tích LPC và phương pháp điều khiển tham số ngôn điệu để ứng dụng trực tiếp vào việc xây dựng trợ lý ảo và tổng đài tự động.
• Học viên cao học và nghiên cứu sinh ngành Khoa học máy tính: Nắm bắt phương pháp luận khoa học trong việc ứng dụng mô hình cây quyết định CART và các mô hình toán học âm thanh vào bài toán xử lý tín hiệu tiếng Việt phức tạp.
• Nhóm phát triển phần mềm hỗ trợ người yếu thế: Khai thác kiến trúc phần mềm VnVoice để tích hợp giải pháp đọc văn bản tiếng Việt chất lượng cao vào các thiết bị đọc màn hình dành cho người khiếm thị và các ứng dụng giáo dục đặc biệt.
• Chuyên gia ngôn ngữ học thực nghiệm: Tiếp cận góc nhìn liên ngành giữa ngữ âm học truyền thống và công nghệ thông tin, phân tích 12 đặc trưng âm học và cấu trúc 6 thanh điệu dưới dạng tín hiệu số.

Câu hỏi thường gặp

• Tại sao việc tổng hợp tiếng Việt lại phức tạp hơn so với các ngôn ngữ không dấu như tiếng Anh? Tiếng Việt là ngôn ngữ đơn âm mang 6 thanh điệu đặc trưng với tần số cơ bản F0 biến đổi liên tục từ 0 đến 500 Hz tùy thuộc vào từng loại thanh. Sự thay đổi cao độ không chỉ mang tính ngữ điệu câu mà trực tiếp làm thay đổi ngữ nghĩa của từ, đòi hỏi mô hình tổng hợp phải kiểm soát chính xác từng bước nhảy tần số.

• Phương pháp ghép nối có ưu điểm gì vượt trội so với phương pháp tổng hợp Formant? Phương pháp ghép nối sử dụng trực tiếp các đoạn sóng âm thu từ người thật nên giữ được âm sắc tự nhiên và độ ấm của giọng nói. Trong khi đó, phương pháp tổng hợp formant theo quy luật phụ thuộc vào hệ thống hơn 40 tham số nhân tạo, khiến giọng đọc có xu hướng cứng nhắc và mang tính máy móc.

• Thuật toán TD-PSOLA đóng vai trò gì trong việc nâng cao chất lượng giọng nói? Thuật toán TD-PSOLA cho phép phân tích tín hiệu âm thanh thành các khung thời gian ngắn từ 10 đến 15 mili-giây đồng bộ theo chu kỳ bước sóng. Nhờ đó, hệ thống có thể thay đổi tần số dao động F0 và kéo giãn hoặc nén trường độ âm thanh linh hoạt mà không làm biến dạng cấu trúc phổ tần.

• Hiện tượng vỡ âm tại các điểm ghép nối trong phần mềm VnVoice được khắc phục như thế nào? Hiện tượng này được giải quyết bằng kỹ thuật làm trơn tuyến tính các vector tham số biên độ và năng lượng tại điểm tiếp giáp giữa hai âm đoạn. Quá trình nội suy giá trị giúp triệt tiêu sự chênh lệch năng lượng đột ngột, loại bỏ hơn 80% tạp âm cơ học phát sinh ở biên âm tiết.

• Thang đo nào được sử dụng phổ biến nhất để kiểm chứng chất lượng tiếng nói tổng hợp? Nghiên cứu sử dụng thang đo chuẩn quốc tế Mean Opinion Score với 5 mức đánh giá từ 1 điểm đến 5 điểm. Đánh giá được thực hiện qua các bài kiểm tra nghe thực nghiệm trên nhóm người nghe độc lập, tập trung vào hai tiêu chí cốt lõi là độ rõ ràng âm vị và tính tự nhiên của ngữ điệu.

Kết luận

• Luận văn đã hệ thống hóa toàn diện cơ sở âm học tiếng Việt với cấu trúc chặt chẽ của hơn 6.900 âm tiết và hệ thống 6 thanh điệu phức tạp.
• Phân tích sâu sắc các hạn chế cố hữu về gián đoạn năng lượng và sai lệch đường nét F0 trong các hệ thống tổng hợp ghép nối giai đoạn đầu.
• Ứng dụng thành công cây quyết định CART và các mô hình điều khiển F0 tiên tiến để mô hình hóa chính xác các tham số ngôn điệu tiếng Việt.
• Nâng cao điểm đánh giá chất lượng giọng đọc tổng hợp trên phần mềm VnVoice từ mức 2.9 lên 3.85 điểm theo thang đo chuẩn quốc tế.
• Tạo tiền đề kỹ thuật quan trọng cho việc phát triển các giải pháp đọc văn bản tự động phục vụ cộng đồng và các dịch vụ tương tác thông minh.

Trong giai đoạn 2 đến 3 năm tiếp theo, hướng phát triển tất yếu là ứng dụng các mạng nơ-ron học sâu để tự động hóa hoàn toàn quá trình sinh ngôn điệu tự nhiên. Độc giả và các nhà phát triển quan tâm có thể khai thác ngay các kiến thức nền tảng trong tài liệu này để tối ưu hóa các hệ thống tổng hợp giọng nói tiếng Việt hiện đại.

Trích đoạn nội dung tài liệu

mở đầu của âm tiết (bên cạnh phụ âm đầu). Ví dụ: chữ ”toàn” khi phát âm có hiện tượng tròn môi do tác động của âm đệm/-u-/, còn chữ ”tàn” thì không có hiện tượng tròn môi do không có âm đệm. Âm chính Là nguyên âm âm tiết tính trong âm tiết. Âm tiết chính có thể là một nguyên âm đơn hay nguyên âm đôi.

Âm chính gồm một hệ thống nguyên âm gồm 11 nguyên âm đơn /a, ă, â, e, ê, o, ô, ơ, u, ư, i/ và ba nguyên âm đôi /iê, ươ, ưa/. Âm chính là yếu tố tạo nên đỉnh âm thanh, có biên độ và cường độ lớn nhất trong các thành phần âm tiết. Đặc điểm  Khi phát âm, luồng hơi không bị cản trở bởi lưỡi, răng hay môi  Bộ máy phát âm căng thẳng toàn bộ  Luồng hơi ra yếu hơn phụ âm Phân loại Các nguyên âm không thể phân chia 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 quản 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 kỳ nguyên âm nào cũng có tiếng thanh. Các nguyên âm chỉ khác nhau ở các hoạt động của khí quản 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.

Lưỡi chuyển động tới-lui và lên xuống trong khoang miệng và tạo nên những tương quan phức tạp giữa các khoang cộng minh (khoang miệng và mũi), làm thay đổi hình dáng và thể tích của chúng. Môi tròn lại và đưa về trước, (LUAN.10 TIEU LUAN MOI download : skknchat@gmail.10 18 làm kéo dài lối thoát của luồng không khí, hoặc môi chành ra, làm cộng minh trường phía trước ngắn lại. Người ta thường phân loại nguyên âm theo vị trí của lưỡi, độ nâng của lưỡi và hình dáng môi  Theo vị trí của lưỡi Gồm các nguyên âm dòng trước (khi lưỡi dồn về trước), nguyên âm dòng sau (khi lưỡi dồn về sau) và nguyên âm dòng giữa (khi lưỡi ở giữa miệng nâng lên). Ví dụ, trong tiếng Việt, các nguyên âm dòng trước là [i], [e], [ê], nguyên âm dòng sau là [u], [o], [ô], nguyên âm dòng giữa là [ư], [ơ], [a].

 Theo độ nâng của lưỡi Các nguyên âm được chia tùy theo từng ngôn ngữ. Độ nâng của lưỡi tương ứng với độ mở của miệng nên các nguyên âm có độ nâng cao còn gọi là nguyên âm hẹp, nguyên âm có độ nâng thấp còn gọi là nguyên âm mở. Trong ngữ âm học đại cương không có một cách phân loại tuyệt đối theo độ nâng lưỡi vì mỗi ngôn ngữ có một hệ thống nguyên âm khác nhau. Ví dụ, các nguyên âm dòng trước trong tiếng Pháp có 4 độ nâng, các nguyên âm trong tiếng Ðức có 5 độ nâng, tiếng Nga có 3 độ nâng, tiếng Anh có 6 độ nâng.

Trong tiếng Việt, các nguyên âm đơn có thể chia thành 4 nâng: Bảng 1.1: Phân chia nguyên âm theo độ nâng của lưỡi. Ðộ nâng Gồm các nguyên âm Hẹp [i], [u], … Hơi hẹp [ê], [u], … Hơi rộng [o], [e], … Rộng [a], [a], …  Theo hình dáng môi Các nguyên âm được chia thành nguyên âm tròn môi ([u], [ô], [o]), nguyên âm không tròn môi ([i], [ê], [e], [ư], [ơ], [a]). Sự tròn môi rõ nhất ở nguyên âm khép và yếu nhất ở nguyên âm mở.10 TIEU LUAN MOI download : skknchat@gmail. Âm cuối Là âm kết thúc âm tiết.

Các âm tiết tiếng Việt thường đối lập bằng những cách kết thúc khác nhau.