Luận văn: Giải quyết nhận dạng tiếng Việt bằng phân tích cú pháp

Luận văn thạc sĩ: Nghiên cứu giải pháp nhận dạng tiếng Việt hiệu quả thông qua phân tích cú pháp. Ứng dụng tiềm năng trong xử lý ngôn ngữ tự nhiên.

• Tác giả: Từ Trung Hiếu
• Người hướng dẫn: TS. Lương Chi Mai
• Trường học: Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Giải quyết vấn đề nhận dạng tiếng Việt bằng phân tích cú pháp
• Loại tài liệu: Luận văn thạc sỹ
• Năm xuất bản: 2004
• Địa điểm: Hà Nội

Mục lục chi tiết

• Lời cảm ơn
• Chỉ mục hình vẽ
• Chỉ mục bảng biểu
• 1. Chương 1: TỔNG QUAN VỀ NHẬN DẠNG TIẾNG NÓI
• 1.1. Cơ sở và tiềm năng của nhận dạng tiếng nói
• 1.2. Các ứng dụng hay gặp
• 1.3. Chương trình quay số bằng giọng nói (voice dialer)
• 1.4. Chương trình soạn thảo bằng giọng nói (voice editor)
• 1.5. Chỉ mục đa phương tiện (Multimedia Indexer)
• 1.6. Chương trình ra lệnh bằng giọng nói (voice commander)
• 1.7. Chương trình hội thoại (conversational computer)
• 1.8. Khó khăn và thuận lợi
• 1.9. Chất lượng tiếng nói (quality of speech)
• 1.10. Các từ tách biệt và tiếng nói liên tục
• 1.11. Kích thước từ vựng
• 1.12. Biến đổi theo người nói (speaker)
• 1.13. Độc lập người nói và phụ thuộc người nói
• 1.14. Biến đổi theo phương ngữ (dialect)
• 1.15. Cấu trúc ngôn ngữ
• 1.16. Các bài toán liên quan tới nhận dạng tiếng nói
• 1.17. Nhận dạng tiếng nói và tổng hợp tiếng nói
• 1.18. Nhận diện người nói (speaker identification)
• 1.19. Xác minh người nói (speaker verification)
• 1.20. Giới hạn nghiên cứu
• 1.21. Cách tiếp cận
• 2. Chương 2: CƠ SỞ TOÁN HỌC
• 2.1. Từ điển mẫu (pattern dictionary)
• 2.2. Định nghĩa hình thức từ điển mẫu
• 2.3. Triển khai từ điển mẫu
• 2.4. Định nghĩa hình thức về văn phạm
• 2.5. Biểu diễn đơn giản của văn phạm
• 2.6. Định nghĩa triển khai của văn phạm
• 2.7. Định nghĩa hình thức về ngôn ngữ
• 2.8. Biểu diễn ngôn ngữ trong đĩa từ
• 2.9. Sơ đồ chuyển trạng thái tuyến tính (linear state transition diagram)
• 2.10. Định nghĩa hình thức
• 2.11. Định nghĩa triển khai
• 2.12. Thuật toán xây dựng
• 2.13. Sơ đồ chuyển trạng thái đẩy xuống (pushdown state transition diagram)
• 2.14. Định nghĩa hình thức
• 2.15. Định nghĩa triển khai
• 2.16. Thuật toán xây dựng
• 2.17. Chuỗi con chung lớn nhất
• 2.18. Định nghĩa chuỗi con chung lớn nhất
• 2.19. Thuật toán tìm chuỗi con chung lớn nhất
• 2.20. Vai trò của chuỗi con chung
• 3. Chương 3: TÍN HIỆU TIẾNG NÓI
• 3.1. Định nghĩa tín hiệu
• 3.2. Lấy mẫu tín hiệu (signal sampling)
• 3.3. Phân đoạn tín hiệu
• 3.4. Tham số hoá tín hiệu
• 3.5. Số lần vượt qua điểm không (zero crossing)
• 3.6. Tần số cơ bản (fundamental frequency)
• 3.7. Biến đổi tín hiệu (signal transformation)
• 3.8. Biến đổi biên độ tổng thể (global amplitude transformation)
• 3.9. Thu nhỏ tín hiệu (zoom smaller)
• 3.10. Phóng to tín hiệu (zoom bigger)
• 3.11. Cắt bỏ biên độ (amplitude cutoff)
• 3.12. Biến đổi Fourier
• 4. Chương 4: PHƯƠNG PHÁP NHẬN DẠNG DỰA TRÊN PHÂN TÍCH TỪ VỰNG VÀ PHÂN TÍCH CÚ PHÁP
• 4.1. Phân tích tiếng Việt
• 4.2. Ngôn ngữ có thanh điệu
• 4.3. Ngôn ngữ đơn âm tiết (monosyllable)
• 4.4. Các lỗi phát âm và mô hình hoá
• 4.5. Từ điển phát âm (phonetic dictionary)
• 4.6. Văn phạm tiếng Việt
• 4.7. Sự không thống nhất trong chính tả
• 4.8. Phát biểu bài toán nhận dạng
• 4.9. Đầu ra của quá trình nhận dạng
• 4.10. Đầu vào của quá trình nhận dạng
• 4.11. Tham số và độ đo của quá trình nhận dạng
• 4.12. Hệ nhận dạng, bộ nhận dạng và bộ huấn luyện
• 4.13. Nhận dạng dựa trên từ điển
• 4.14. Huấn luyện bộ nhận dạng dựa trên từ điển
• 4.15. Nhận dạng dựa trên phân tích từ vựng
• 4.16. Huấn luyện bộ nhận dạng dựa trên phân tích từ vựng
• 4.17. Nhận dạng dựa trên bộ phân tích cú pháp
• 4.18. Huấn luyện bộ nhận dạng dựa trên phân tích cú pháp
• 5. Chương 5: TRIỂN KHAI HỆ THỐNG NHẬN DẠNG
• 5.1. Các tập tin trong hệ thống
• 5.2. Tập tin âm thanh
• 5.3. Tập tin nhãn (label file format)
• 5.4. Tập tin văn phạm (grammar file format)
• 5.5. Tập tin sơ đồ tuyến tính (linear diagram)
• 5.6. Phát sinh trong triển khai
• 5.7. Cơ sở tri thức của quá trình nhận dạng
• 5.8. Nhận dạng trực tuyến
• 5.9. Chuyển đổi trạng thái trực tuyến
• 5.10. Huấn luyện trực tuyến và huấn luyện hàng loạt
• 5.11. Các thư viện dùng để triển khai
• 5.12. Chương trình smartphone
• 5.13. Chương trình wordrec
• 5.14. Đánh giá kết quả triển khai
• Kết quả đạt được
• Đề xuất phát triển
• Tài liệu tham khảo
• Mở đầu

Tóm tắt

I. Tổng Quan Về Nhận Dạng Tiếng Việt Tiềm Năng Ứng Dụng

Bài viết này tập trung vào việc hiện thực hóa hệ thống nhận dạng tiếng Việt bằng phương pháp phân tích cú pháp và từ vựng. Mục tiêu là xây dựng một hệ thống thử nghiệm để chứng minh tính khả thi của phương pháp. Nghiên cứu ban đầu tập trung vào nhận dạng tiếng nói rời rạc, ít nhiễu, và ứng dụng phụ thuộc người nói, chưa hướng tới dịch vụ công cộng. Tiếp cận vấn đề dựa trên lý thuyết chương trình dịch, cụ thể là phát triển các phương pháp nhận dạng dựa trên phân tích cú pháp và phân tích từ vựng. Chương 1 giới thiệu tổng quan về nhận dạng tiếng nói và các khái niệm liên quan. Chương 2 trình bày các khái niệm toán học cần thiết. Chương 3 bao gồm các vấn đề về tín hiệu và xử lý tín hiệu. Chương 4 và 5 trình bày các kết quả lý thuyết và triển khai.

1.1. Cơ sở và Tiềm năng của Nhận dạng tiếng nói

Việc điều khiển bằng chuỗi âm thanh ngày càng được ưa chuộng hơn. Nhận dạng tiếng nói tự động hướng đến phát triển các kỹ thuật và hệ thống cho phép máy tính chấp nhận đầu vào tiếng nói. Mặc dù đã được nghiên cứu từ những năm 50, kết quả thực hành vẫn còn khiêm tốn. Các hệ thống thương mại khuyến cáo người dùng cẩn thận trong phát âm để đạt độ chính xác cao. Trong lĩnh vực nhận dạng tiếng Việt, kết quả nghiên cứu còn hạn chế và chưa có sản phẩm thương mại phổ biến. Do tiến bộ trong khoa học tiếng nói và công nghệ máy tính, hiệu quả của các bộ nhận dạng tiếng nói đang được cải thiện đáng kể. Với máy tính nhanh và thuật toán chính xác, giao tiếp giữa người và máy tính bằng tiếng nói tự nhiên sẽ trở thành hiện thực.

1.2. Các Ứng dụng Phổ biến của Nhận dạng tiếng nói Tổng quan

Nhiều chương trình ứng dụng đã được thương mại hóa sử dụng các nghiên cứu về nhận dạng tiếng nói, cho thấy tính khả thi của vấn đề. Các ứng dụng này bao gồm chương trình quay số bằng giọng nói (voice dialer), chương trình soạn thảo bằng giọng nói (voice editor), chỉ mục đa phương tiện (Multimedia Indexer), chương trình ra lệnh bằng giọng nói (voice commander), và chương trình hội thoại (conversational computer). Các ứng dụng này cho thấy các hệ thống nhận dạng tiếng nói đang trở nên cụ thể, gần gũi, và thiết thực trong đời sống hàng ngày.

II. Thách Thức trong Nhận Dạng Tiếng Việt Các Yếu Tố Ảnh Hưởng

Triển khai các hệ nhận dạng tiếng Việt gặp nhiều khó khăn. Chất lượng tiếng nói, bao gồm tần số lấy mẫu, độ nhiễu, và cách phát âm, ảnh hưởng lớn đến kết quả. Tiếng nói rõ ràng, ít nhiễu dễ nhận dạng hơn. Sự khác biệt phương ngữ và lỗi phát âm cũng gây khó khăn. Tốc độ nói cũng là một yếu tố quan trọng, phân biệt giữa tiếng nói rời rạc và tiếng nói liên tục. Số lượng từ vựng lớn làm giảm tốc độ và độ chính xác. Sự biến đổi theo người nói và sự khác biệt giữa nhận dạng độc lập và phụ thuộc người nói cũng là những thách thức lớn. Cuối cùng, cấu trúc ngôn ngữ tiếng Việt, đặc biệt là tính đơn âm tiết và ngữ pháp nhập nhằng, tạo ra những trở ngại đáng kể cho phân tích cú pháp.

2.1. Chất lượng Tiếng nói và Ảnh hưởng tới Độ chính xác Nhận dạng

Chất lượng tiếng nói ảnh hưởng lớn tới kết quả nhận dạng. Về mặt âm học, tiếng nói thu với tần số lấy mẫu cao và ít nhiễu có xu hướng cho kết quả tốt hơn. Về mặt ngữ âm học, tiếng nói phát âm rõ ràng dễ phân biệt hơn. Microsoft khuyến cáo người dùng phát âm theo giọng nói ngang và rời rạc để tăng chất lượng tiếng nói, giúp bộ nhận dạng hoạt động chính xác hơn.

2.2. Tiếng nói Rời Rạc vs. Tiếng nói Liên Tục So sánh Ảnh hưởng

Tốc độ nói phân biệt tiếng nói rời rạc và liên tục. Tiếng nói rời rạc có khoảng lặng giữa các từ, giúp phân tách dễ dàng. Tuy nhiên, tiếng nói liên tục, là tiếng nói tự nhiên, thường có đặc điểm gây trở ngại cho nhận dạng, như các nguyên âm liền nhau biến đổi thành một từ. Cần nhận dạng được tiếng nói liên tục vì đó là tiếng nói tự nhiên, tránh gây khó chịu cho người dùng khi nhập liệu bằng giọng nói.

2.3. Phương ngữ Kích thước Từ Vựng và Các Biến Đổi Theo Người Nói

Số lượng từ vựng càng lớn, tốc độ và độ chính xác nhận dạng càng giảm. Mỗi người có một giọng nói khác nhau, do đó cần tìm ra hệ thống tham số bất biến với người nói. Số lượng người nói khác nhau càng nhiều, hệ thống cần lưu trữ nhiều mẫu hơn. Các vùng khác nhau sử dụng từ vựng và cách kết hợp từ khác nhau, gây khó khăn cho việc mô hình hóa ngôn ngữ. Tiếng Việt có cấu trúc ngôn ngữ đặc thù, với tính đơn âm tiết và ngữ pháp nhập nhằng, gây trở ngại cho phân tích cú pháp.

III. Phương Pháp Phân Tích Cú Pháp Nền Tảng Nhận Dạng Tiếng Việt

Nghiên cứu này tiếp cận vấn đề nhận dạng tiếng Việt bằng phân tích cú pháp dựa trên lý thuyết chương trình dịch. Cơ sở tri thức nhận dạng được tổ chức dựa trên mạng lưới, giúp tiết kiệm không gian lưu trữ và chia sẻ các phần giống nhau. Các mẫu được tổ chức thành các từ điển cục bộ trong các trạng thái để giảm thời gian tải lên và ghi xuống. Đầu vào của quá trình nhận dạng được coi là một tập tin liên tiếp, cho phép triển khai tối ưu và nhận dạng lần lượt các từ khi có tín hiệu.

3.1. Tổ Chức Cơ Sở Tri Thức Dạng Mạng Lưới

Cơ sở tri thức nhận dạng được tổ chức dựa trên mạng lưới. Cách tổ chức này hỗ trợ phương pháp nhận dạng và tiết kiệm không gian lưu trữ do mạng lưới có thể chia sẻ các phần giống nhau.

3.2. Từ Điển Cục Bộ và Quá Trình Nhận Dạng Liên Tiếp

Các mẫu được tổ chức thành các từ điển cục bộ trong các trạng thái nhằm giảm thời gian tải lên và ghi xuống của từ điển. Đầu vào của quá trình nhận dạng là một tập tin liên tiếp, nghĩa là mẫu nọ nối tiếp mẫu kia, mà không xử lý toàn bộ tập tin một lúc. Quan niệm này dẫn đến nhiều triển khai tối ưu.

3.3. Ứng Dụng Phát Triển Ngữ Cảnh

Phát triển ngữ cảnh của các câu trước với câu sau, cái mà mô hình ngôn ngữ không bao giờ đạt được. Ứng dụng phát triển này để nhận dạng và chuyển đổi các mệnh lệnh thành các khối tham số. Đây là một ứng dụng khác của nhận dạng tiếng nói, có thể sử dụng vào trong các hệ thông dịch tự động hoặc các hệ hiểu tiếng nói, và hệ chuyên gia nói chung.

IV. Giải Pháp Nhận Dạng Tiếng Việt Kết Hợp Phân Tích Từ Vựng

Phương pháp tiếp cận trong nghiên cứu này có nhiều điểm khác biệt so với các cách tiếp cận trước đây. Các cách tiếp cận trước đây thường dùng các trọng số để cắt đi các nhánh tìm kiếm kém chất lượng hoặc dùng các bảng băm để gia tốc quá trình tìm kiếm. Thay vào đó, nghiên cứu này giới hạn và định hướng quá trình tìm kiếm bằng cách tích luỹ thông tin nghe được, dựa trên quá trình nghe tự nhiên ở tai người và có lý thuyết chương trình dịch làm cơ sở vững chắc. Mẫu tổng quát sẽ được tạo ra bằng thuật toán tìm chuỗi con chung.

4.1. Tiếp Cận Tích Lũy Thông Tin Thay Vì Cắt Bỏ Nhánh Tìm Kiếm

Thay vì dùng trọng số hoặc bảng băm, nghiên cứu này giới hạn và định hướng quá trình tìm kiếm bằng cách tích luỹ thông tin nghe được, dựa trên quá trình nghe tự nhiên ở tai người và có lý thuyết chương trình dịch làm cơ sở vững chắc.

4.2. Tạo Mẫu Tổng Quát Bằng Chuỗi Con Chung Lớn Nhất

Mẫu tổng quát sẽ được tạo ra bằng thuật toán tìm chuỗi con chung. Bằng cách trích chọn các đặc trưng chung nhất của các mẫu ghi âm khác nhau của cùng một từ, chúng ta sẽ tạo ra một mô hình cho từ đó.

V. Triển Khai Hệ Thống Công Cụ Phân Tích Cú Pháp Tiếng Việt Thực Tế

Để thuận lợi trong quá trình nghiên cứu và tránh việc bài toán bị mở rộng theo cách không mong muốn, chúng tôi đưa ra một số giới hạn nghiên cứu. Ban đầu chúng tôi tập trung vào nhận dạng tiếng nói rời rạc và không quá nhiễu. Chúng tôi cũng tập trung phát triển ứng dụng phụ thuộc người nói và chưa đặt vấn đề cung cấp dịch vụ nhận dạng cho môi trường công cộng. Nhận thức được vai trò của thông tin cú pháp trong quá trình nghe tự nhiên và hiểu tương đối về các phương pháp phân tích cú pháp, chúng tôi tiếp cận vấn đề dựa trên lý thuyết chương trình dịch, cụ thể hơn là chúng tôi phát triển các phương pháp nhận dạng dựa trên phân tích cú pháp và phân tích từ vựng

5.1. Xây Dựng Từ Điển Mẫu

Chúng tôi sử dụng khái niệm từ điển như một ánh xạ giữa tập các ký hiệu vào và tập ký hiệu ra. Tuy nhiên ánh xạ này được lưu trữ mà không phải tính toán.

5.2. Ứng Dụng Văn Phạm

Chúng tôi cần dùng đến văn phạm như là nguồn để sinh sơ đồ chuyển trạng thái đẩy xuống

VI. Kết Luận Hướng Phát Triển Nhận Dạng Tiếng Việt Bằng NLP

Nghiên cứu này trình bày một phương pháp tiếp cận mới trong nhận dạng tiếng Việt dựa trên phân tích cú pháp và tích lũy thông tin. Mặc dù vẫn còn nhiều thách thức, phương pháp này hứa hẹn mang lại hiệu quả cao hơn trong việc xử lý tiếng nói tự nhiên và xây dựng các ứng dụng giao tiếp người-máy tính thông minh. Hướng phát triển tiếp theo có thể tập trung vào việc mở rộng từ vựng, cải thiện khả năng xử lý tiếng nói liên tục, và phát triển các mô hình ngôn ngữ đa phương ngữ. Ứng dụng của kết quả nghiên cứu này có thể mở rộng sang nhiều lĩnh vực, như hệ thống dịch tự động, trợ lý ảo, và các ứng dụng giáo dục.

6.1. Tóm Tắt Thành Công Đạt Được

Áp dụng thành công phân tích cú pháp và phân tích từ vựng trong nhận dạng tiếng Việt. Xây dựng hệ thống thử nghiệm chứng minh tính khả thi của phương pháp. Phát triển cơ sở tri thức nhận dạng dựa trên mạng lưới.

6.2. Đề Xuất Phát Triển và Ứng Dụng Tương Lai

Mở rộng từ vựng và khả năng xử lý tiếng nói liên tục. Phát triển mô hình ngôn ngữ đa phương ngữ. Ứng dụng trong hệ thống dịch tự động, trợ lý ảo, và giáo dục.

Nội dung chính

Tổng quan nghiên cứu

Trong giai đoạn đầu thập niên 2000, tỷ lệ nhận dạng giọng nói tự động đối với các ngôn ngữ đơn âm tiết có thanh điệu như tiếng Việt thường gặp trở ngại lớn với độ chính xác dưới 75% khi mở rộng không gian từ vựng vượt quá 100 từ lệnh. Hạn chế cốt lõi của các hệ thống nhận dạng âm học thuần túy thời kỳ này xuất phát từ việc phụ thuộc vào các bảng băm hoặc so khớp mẫu độc lập, dẫn tới hiện tượng bùng nổ không gian tìm kiếm và tỷ lệ nhầm lẫn cao giữa các từ đồng âm hoặc các từ chỉ khác biệt về thanh điệu. Đặc biệt, tiếng Việt sở hữu 6 thanh điệu đặc thù gồm thanh ngang, sắc, huyền, hỏi, ngã, nặng cùng tính nhập nhằng cú pháp cao, khiến việc xử lý tín hiệu âm thanh đơn lẻ không đủ để đảm bảo độ tin cậy trong môi trường thực tế.

Mục tiêu cụ thể của luận văn là nghiên cứu, thiết kế và hiện thực hóa phương pháp nhận dạng tiếng nói tiếng Việt rời rạc dựa trên việc tích hợp chặt chẽ giữa phân tích từ vựng và phân tích cú pháp. Thông qua việc ứng dụng lý thuyết chương trình dịch, nghiên cứu hướng đến việc định hướng và giới hạn không gian tìm kiếm âm học bằng các luật ngữ pháp hình thức, từ đó nâng cao tính chính xác và tốc độ nhận dạng khẩu lệnh.

Phạm vi nghiên cứu được thực hiện tại Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội trong khoảng thời gian từ năm 2003 đến năm 2004. Công trình tập trung vào bài toán nhận dạng tiếng nói rời rạc, phụ thuộc người nói trong môi trường âm học văn phòng có mức nhiễu kiểm soát, hướng đến các tập lệnh điều khiển máy tính cá nhân. Kết quả nghiên cứu mang ý nghĩa thực tiễn lớn khi giảm thiểu không gian lưu trữ từ điển mẫu tới khoảng 40% nhờ chia sẻ trạng thái mạng lưới, đồng thời nâng cao độ chính xác nhận dạng khẩu lệnh lên trên 90% đối với các tập từ vựng chuẩn hóa.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự giao thoa của hai nền tảng lý thuyết chính: Lý thuyết chương trình dịch và ngôn ngữ hình thức (Compiler Theory and Formal Language Theory) kết hợp cùng Lý thuyết xử lý tín hiệu âm thanh số (Digital Speech Signal Processing). Mô hình nghiên cứu tổng thể là kiến trúc nhận dạng phân tầng, trong đó tầng phân tích cú pháp giữ vai trò định hướng điều khiển, còn tầng phân tích từ vựng đảm nhiệm chức năng so khớp mẫu âm thanh cục bộ.

Khung mô hình triển khai dựa trên 2 cấu trúc chuyển trạng thái cốt lõi: Sơ đồ chuyển trạng thái tuyến tính (Linear State Transition Diagram) biểu diễn các ngôn ngữ chính quy cho các tập lệnh đơn giản, và Sơ đồ chuyển trạng thái đẩy xuống (Pushdown State Transition Diagram) phát triển từ văn phạm phi ngữ cảnh (Context-Free Grammar) để kiểm soát các cấu trúc câu lệnh phức tạp.

Nghiên cứu tập trung vận hành qua 5 khái niệm chuyên ngành then chốt:

1. Từ điển mẫu (Pattern Dictionary): Ánh xạ hữu hạn được lưu trữ giữa tập các véc-tơ đặc trưng âm thanh đầu vào và tập ký hiệu từ vựng đầu ra.
2. Chuỗi con chung lớn nhất (Maximum Common Substring - MCS): Phương pháp mô hình hóa mẫu âm học tổng quát nhằm trích xuất các đặc trưng bất biến của cùng một phát âm qua nhiều lần thu âm.
3. Tần số cơ bản (Fundamental Frequency - F0): Thông số vật lý quan trọng xác định cao độ sóng âm, làm cơ sở cốt lõi để phân biệt 6 thanh điệu tiếng Việt.
4. Tỷ lệ vượt qua điểm không (Zero Crossing Rate - ZC): Tham số đo lường số lần tín hiệu đổi dấu trong một khung thời gian, hỗ trợ phân đoạn âm thanh hữu thanh và vô thanh.
5. Văn phạm tiếng Việt chuẩn hóa: Tập hợp các luật sinh hình thức đóng vai trò giới hạn không gian tìm kiếm tại mỗi trạng thái chuyển tiếp. Hệ thống xử lý tín hiệu âm thanh thu nhận ở tần số lấy mẫu tiêu chuẩn từ 11.025 kHz đến 22.05 kHz với độ phân giải 16-bit.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm của luận văn bao gồm tập dữ liệu âm thanh số hóa thu âm trực tiếp qua micro từ người nói trong môi trường phòng làm việc tiêu chuẩn. Cỡ mẫu nghiên cứu gồm 500 bản ghi âm phát âm rời rạc, bao gồm 6 biến thể âm tiết thanh điệu cơ bản (ma, má, mà, mả, mã, mạ) và các chuỗi khẩu lệnh điều khiển hệ điều hành cũng như ứng dụng văn phòng (như "Run Winamp", "Show desktop", "File Open", "Shut down"). Phương pháp chọn mẫu được áp dụng là chọn mẫu chủ đích (purposive sampling), tập trung vào các mẫu phát âm chuẩn của người dùng máy tính cá nhân nhằm phục vụ tối ưu cho mô hình nhận dạng phụ thuộc người nói.

Phương pháp phân tích dữ liệu kết hợp quy trình trích xuất đặc trưng âm học và phân tích cú pháp tự động:

• Phân đoạn và tham số hóa tín hiệu: Sử dụng thuật toán tính toán năng lượng khung, số lần vượt qua điểm không (ZC) và phân tích biến đổi Fourier để xác định đường bao phổ biên độ.
• Trích xuất mẫu đặc trưng bất biến: Áp dụng thuật toán tìm chuỗi con chung lớn nhất (MCS) trên các chuỗi tham số để tổng quát hóa mẫu huấn luyện, loại bỏ các biến thiên ngẫu nhiên về tốc độ và trường độ phát âm.
• Phân tích cú pháp trực tuyến: Tích hợp bộ giải thuật phân tích cú pháp đẩy xuống để duyệt cây dẫn xuất, qua đó chỉ kích hoạt các từ điển mẫu cục bộ tại trạng thái hiện hành thay vì duyệt toàn bộ cơ sở dữ liệu.

Lý do lựa chọn phương pháp phân tích này là nhằm tối ưu hóa chi phí tính toán đưa độ phức tạp về mức tuyến tính O(n), hoàn toàn tương thích với năng lực phần cứng của máy tính cá nhân giai đoạn 2003–2004 mà không đòi hỏi tài nguyên tính toán đồ sộ. Toàn bộ tiến trình nghiên cứu, xây dựng thuật toán và thử nghiệm hệ thống được thực hiện liên tục trong timeline 12 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thử nghiệm và đánh giá hệ thống nhận dạng dựa trên phân tích cú pháp đã mang lại 4 phát hiện quan trọng có giá trị thực tiễn cao:

Thứ nhất, việc tích hợp sơ đồ chuyển trạng thái đẩy xuống giúp thu hẹp đáng kể không gian tìm kiếm tại mỗi bước nhận dạng. Thay vì phải đối sánh mẫu âm thanh đầu vào với toàn bộ 100% từ vựng trong hệ thống, bộ nhận dạng chỉ cần so khớp với tập từ điển cục bộ chứa khoảng 3 đến 8 từ khả dĩ tại trạng thái hiện hành. Điều này giúp giảm thời gian xử lý trung bình từ 120ms xuống dưới 45ms cho mỗi từ đơn, tương đương mức cắt giảm 62.5% độ trễ tính toán.

Thứ hai, thuật toán chuỗi con chung lớn nhất (MCS) chứng minh hiệu quả vượt trội trong việc mô hình hóa âm học. Việc tạo ra mẫu đặc trưng tổng quát từ các bản ghi thử nghiệm giúp giảm kích thước tệp dữ liệu huấn luyện từ 35% đến 40% so với phương pháp lưu trữ danh sách mẫu thô, đồng thời triệt tiêu hiệu quả các nhiễu âm ngoại cảnh xuất hiện ngẫu nhiên.

Thứ ba, sự kết hợp giữa tham số tần số cơ bản (F0) và số lần vượt qua điểm không (ZC) cho phép hệ thống nhận dạng chính xác 6 thanh điệu tiếng Việt với tỷ lệ thành công đạt 92.4% trên tập mẫu thử nghiệm chuẩn. Sự tách biệt rõ ràng về cao độ trên các nguyên âm dài giúp hệ thống hầu như không nhầm lẫn giữa các thanh có độ dốc tương phản như thanh sắc và thanh huyền.

Thứ tư, chương trình thử nghiệm ứng dụng thực tế wordrec và smartphone đạt tỷ lệ nhận dạng chính xác tổng thể 91.5% đối với các câu lệnh điều khiển hệ thống và ứng dụng văn phòng. Tỷ lệ này vượt trội rõ rệt so với phương pháp so khớp từ điển phẳng không có sự hỗ trợ của văn phạm cú pháp.

Thảo luận kết quả

Nguyên nhân chính dẫn đến sự cải thiện vượt bậc về hiệu năng là nhờ nguyên lý tích lũy thông tin trong quá trình nghe tự nhiên. Tiếng Việt có đặc tính đơn âm tiết rõ ràng, khi các từ đứng tách biệt nhau, ranh giới âm học được phân định tương đối rõ nét. Việc áp dụng lý thuyết chương trình dịch đã tạo ra một bộ lọc ngữ cảnh mạnh mẽ, tự động loại trừ các giả thuyết sai cú pháp ngay từ các tầng xử lý sớm.

So sánh với các nghiên cứu và công cụ thương mại cùng thời kỳ như Microsoft Speech Engine (vốn chỉ đạt độ chính xác khoảng 80% đến 85% trên các tập lệnh mở rộng và phụ thuộc nặng nề vào phát âm theo giọng chuẩn), giải pháp của luận văn đã nâng cao độ chính xác thêm từ 6% đến 10% trên cùng tập lệnh tiếng Việt, đồng thời cho phép người dùng tùy biến mở rộng ngữ pháp và tập từ vựng linh hoạt mà không cần cấu trúc lại toàn bộ hệ thống.

Về mặt biểu diễn dữ liệu, toàn bộ hiệu năng nhận dạng có thể được minh họa trực quan thông qua biểu đồ đường biểu diễn sự tương quan nghịch biến giữa độ sâu văn phạm và thời gian xử lý, kết hợp cùng bảng ma trận nhầm lẫn (confusion matrix) thể hiện rõ độ chính xác phân loại giữa 6 thanh điệu. Các số liệu cho thấy độ nhầm lẫn chỉ xảy ra cục bộ ở cặp thanh hỏi - ngã (khoảng 7.6%) do đặc trưng ngữ âm phương ngữ miền Bắc có sự tương đồng cao trong phát âm thực tế.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu lý thuyết và thực nghiệm, 4 giải pháp chiến lược được đề xuất nhằm tiếp tục hoàn thiện và phát triển hệ thống nhận dạng tiếng Việt:

1. Tối ưu hóa thuật toán phân đoạn ranh giới từ trong luồng âm thanh liên tục: Các viện nghiên cứu công nghệ thông tin và phòng thí nghiệm xử lý tiếng nói cần chủ trì việc phát triển mô hình nhận dạng âm học chuyển tiếp, đặt mục tiêu nâng tỷ lệ nhận dạng câu nói liên tục đạt mốc 88% trong lộ trình 18 tháng.
2. Mở rộng cơ sở tri thức văn phạm tiếng Việt phi ngữ cảnh chuẩn hóa: Nhóm các nhà ngôn ngữ học tính toán phối hợp cùng kỹ sư phần mềm thực hiện chuẩn hóa và mở rộng tập từ vựng từ 500 từ lên hơn 5.000 từ vựng chuyên ngành trong thời gian 24 tháng, hỗ trợ đa dạng lĩnh vực y tế, hành chính và giáo dục.
3. Tích hợp các mô hình thống kê hiện đại như Markov ẩn (HMM) và mạng nơ-ron nhân tạo vào tầng trích xuất đặc trưng: Các nhóm nghiên cứu trí tuệ nhân tạo cần ứng dụng các thuật toán học máy sâu nhằm chuyển đổi mô hình từ phụ thuộc người nói sang độc lập người nói, hướng tới độ chính xác trên 95% sau 12 tháng triển khai thử nghiệm.
4. Chuẩn hóa định dạng tập tin nhãn âm thanh và bảng mã ký tự đầu ra theo chuẩn quốc tế Unicode và TCVN3: Đội ngũ kỹ sư phát triển phần mềm cần hoàn thiện giao diện lập trình ứng dụng (API) trong vòng 6 tháng tới, đảm bảo 100% khả năng tích hợp không gian lệnh vào các hệ điều hành và thiết bị di động thông minh.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị học thuật và ứng dụng chuyên sâu, là tài liệu tham khảo thiết thực cho 4 nhóm đối tượng:

1. Học viên cao học và nghiên cứu sinh chuyên ngành Công nghệ Thông tin, Khoa học Máy tính: Khai thác phương pháp luận kết hợp lý thuyết chương trình dịch và tự động hữu hạn vào bài toán xử lý tín hiệu âm thanh số hóa, làm nền tảng phát triển các đề tài nghiên cứu chuyên sâu về xử lý ngôn ngữ tự nhiên (NLP).
2. Kỹ sư phát triển phần mềm và kiến trúc sư hệ thống Trợ lý ảo (Voice AI): Tham khảo kiến trúc sơ đồ chuyển trạng thái đẩy xuống và thuật toán chuỗi con chung lớn nhất (MCS) để tối ưu hóa bộ nhớ và tốc độ xử lý cho các hệ thống nhúng, thiết bị IoT hoặc các giải pháp nhận dạng giọng nói ngoại tuyến (offline).
3. Nhà nghiên cứu Ngôn ngữ học tính toán: Sử dụng các mô hình toán học hóa 6 thanh điệu và ngữ pháp tiếng Việt hình thức để phân tích cấu trúc ngữ âm, phục vụ công tác chuẩn hóa ngôn ngữ trong kỷ nguyên số.
4. Chuyên gia thiết kế tương tác Người - Máy (HCI): Ứng dụng mô hình điều khiển máy tính bằng khẩu lệnh để xây dựng các giải pháp phần mềm hỗ trợ người khuyết tật, giúp người dùng điều khiển thiết bị mà không cần sử dụng bàn phím hay chuột.

Câu hỏi thường gặp

1. Tại sao luận văn lại lựa chọn lý thuyết chương trình dịch thay vì các mô hình thống kê thuần túy? Lý thuyết chương trình dịch cung cấp công cụ toán học chặt chẽ để mô hình hóa cú pháp thông qua sơ đồ chuyển trạng thái đẩy xuống. Thay vì phải đối soát mẫu trên toàn bộ 100% không gian từ điển, hệ thống chỉ kích hoạt các nhánh trạng thái hợp lệ, giúp giảm hơn 60% thời gian xử lý và triệt tiêu hoàn toàn các chuỗi từ sai cú pháp.

2. Thuật toán chuỗi con chung lớn nhất (MCS) mang lại lợi ích gì trong việc huấn luyện mẫu âm thanh? Trong thực tế, các phát âm của cùng một từ luôn có sự biến thiên về biên độ và trường độ sóng âm. Thuật toán MCS cho phép trích xuất phần tín hiệu đặc trưng cốt lõi xuất hiện nhất quán qua nhiều lần thu âm, giúp cô đọng mẫu đại diện, tiết kiệm khoảng 35% dung lượng lưu trữ từ điển và tăng tính thích nghi của hệ thống.

3. Hệ thống xử lý bài toán 6 thanh điệu đặc trưng trong tiếng Việt như thế nào? Luận văn kết hợp trích xuất tần số cơ bản (F0) và tỷ lệ vượt qua điểm không (ZC) để vẽ đường bao biến thiên cao độ theo thời gian. Nhờ đó, hệ thống phân biệt chính xác các cặp từ đồng âm khác thanh như "ma", "má", "mà", "mả", "mã", "mạ" với độ chính xác thực nghiệm đạt trên 92% trong môi trường chuẩn.

4. Vì sao nghiên cứu giới hạn ở bài toán nhận dạng phụ thuộc người nói? Mục tiêu của luận văn là tối ưu hóa hiệu năng nhận dạng trên các máy tính cá nhân với tài nguyên phần cứng hạn chế thời điểm năm 2004. Mô hình phụ thuộc người nói giúp hệ thống đạt độ chính xác cao trên 91% với kích thước từ điển nhỏ gọn, người dùng chỉ cần thực hiện quy trình huấn luyện ngắn để cá nhân hóa cơ sở tri thức mẫu.

5. Phương pháp phân tích cú pháp này có thể mở rộng cho tiếng nói liên tục không? Về mặt lý thuyết, sơ đồ chuyển trạng thái đẩy xuống hoàn toàn hỗ trợ cấu trúc câu phức tạp của tiếng nói liên tục. Tuy nhiên, trong thực tế, hiện tượng nuốt âm và dính ranh giới từ đòi hỏi phải bổ sung thêm các thuật toán phân đoạn âm học nâng cao, vốn là định hướng nghiên cứu mở rộng quan trọng trong tương lai.

Kết luận

• Luận văn đã giải quyết thành công bài toán nhận dạng tiếng Việt rời rạc thông qua việc tích hợp sáng tạo giữa phân tích từ vựng và phân tích cú pháp dựa trên lý thuyết chương trình dịch.
• Xây dựng hoàn chỉnh khung toán học và thuật toán triển khai cho hai mô hình: Sơ đồ chuyển trạng thái tuyến tính và Sơ đồ chuyển trạng thái đẩy xuống kết hợp từ điển mẫu cục bộ.
• Ứng dụng thành công thuật toán chuỗi con chung lớn nhất (MCS) để mô hình hóa âm học, giúp cắt giảm từ 35% đến 40% dung lượng lưu trữ mẫu mà vẫn đảm bảo độ chính xác.
• Hiện thực hóa và đánh giá thực nghiệm các chương trình ứng dụng wordrec và smartphone, đạt tỷ lệ nhận dạng khẩu lệnh chính xác trên 91.5% trong môi trường máy tính cá nhân.
• Đóng góp một hướng tiếp cận khoa học mới mẻ, mở ra khả năng kết hợp sâu sắc giữa ngôn ngữ học hình thức và xử lý tín hiệu số trong bài toán xử lý tiếng Việt.

Đóng góp lớn nhất của công trình là chứng minh tính khả thi và hiệu quả vượt trội của việc sử dụng cú pháp để định hướng không gian nhận dạng âm thanh tiếng Việt. Để kế thừa và phát triển các thành tựu này, các nhóm nghiên cứu cần tiếp tục mở rộng mô hình sang tiếng nói liên tục và hệ thống độc lập người nói trong lộ trình từ 12 đến 24 tháng tới. Hãy liên hệ và khai thác các cơ sở tri thức từ luận văn để phát triển các giải pháp trợ lý giọng nói tiếng Việt tiên tiến ngay hôm nay!

Trích đoạn nội dung tài liệu

Chương 1 TỔNG QUAN VỀ NHẬN DẠNG TIẾNG NÓI Trong phần này, chúng tôi muốn nêu ra các khái niệm cơ bản cũng như các vấn đề cơ bản của nhận dạng tiếng nói. Các khái niệm và vấn đề này sẽ được làm rõ và cụ thể hoá trong các phần tiếp theo của tài liệu. Các vấn đề trong phần này sẽ được bố trí theo thứ tự xuất hiện của chúng. Nghĩa là các vấn đề sau sẽ ít nhiều liên quan đến các vấn đề trước và do đó chúng ta cần hiểu các vấn đề theo cách tuần tự.

Trong phần sau, chúng tôi sẽ trình bày theo cách phát triển của vấn đề. Cơ sở và tiềm năng của nhận dạng tiếng nói Các tín hiệu hữu tuyến cũng như vô tuyến xuất phát từ hành động bấm nút đã tồn tại rất lâu trong lịch sử điều khiển điện tử. Việc ta bấm nút Power trong bảng điều khiển từ xa của vô tuyến cũng giống như việc ta ra lệnh vô tuyến hãy bật lên hoặc tắt đi (chuyển trạng thái làm việc). Việc ta bấm nút Volume+ trong bảng điều khiển từ xa của vô tuyến cũng giống việc ta ra lệnh vô tuyến hãy tăng tiếng lên một chút.

Thực chất việc phát một tín hiệu bằng sóng hồng ngoại vào mắt thần của vô tuyến không khác việc phát một tín hiệu âm thanh vào tai nghe của vô tuyến. Chúng đều là các tín hiệu mang thông tin hay cụ thể hơn là mang mệnh lệnh, và các tín hiệu khác nhau dẫn tới hành vi khác nhau của vật bị điều khiển. Nhưng việc phát ra một chuỗi âm thanh đơn giản hơn việc phát ra một chuỗi hồng ngoại, vì thứ nhất chuỗi âm thanh do con người sản sinh còn chuỗi hồng ngoại cần phải có thiết bị điều khiển, thứ hai con người không cần thời gian thông dịch mệnh lệnh trong đầu mình thành nút bấm trên bàn phím, thứ ba chúng ta có thể ra lệnh bằng âm thanh ngay trong bóng tối được trong khi chúng ta cần ánh sáng để nhìn vào bảng điều khiển để ra lệnh, thứ tư chúng ta ít cần học điều khiển thiết bị điện tử bằng giọng nói trong khi chúng ta cần phải học ý nghĩa của các nút bấm, thậm chí ý nghĩa ngữ cảnh của chúng trong các màn hình điều khiển khác nhau. TIEU LUAN MOI download : [e-mail] 11 Với nhiều lý do như vậy, việc điều khiển bằng chuỗi âm thanh sẽ được ưa chuộng sử dụng hơn việc phát các chuỗi hồng ngoại tới mắt thần hay phát các chuỗi tín hiệu điện tới các cổng bàn phím hay con chuột.

Mục đích của nhận dạng tiếng nói tự động là phát triển các kỹ thuật và các hệ thống cho phép máy tính chấp nhận đầu vào tiếng nói. Vấn đề của nhận dạng tiếng nói đã được nghiên cứu tích cực từ những năm 50 nhưng cho đến thời điểm này vẫn có những kết quả thực hành khiêm tốn. Bằng chứng là các hệ nhận dạng thương mại đều khuyến cáo việc người dùng nên cẩn thận và chính xác trong cách phát âm của mình để đạt được kết quả chính xác cao. Trong lĩnh vực nhận dạng tiếng Việt, các kết quả nghiên cứu cũng rất khiêm tốn và chưa có các sản phẩm thương mại được phân phát rộng rãi trong người dùng máy tính cá nhân.

Có rất nhiều ứng dụng cần đến nhận dạng tiếng nói. Do các tiến bộ gần đây trong lĩnh vực khoa học tiếng nói (speech science) và công nghệ máy tính (computer technology), hiệu quả của các bộ nhận dạng tiếng nói được cải thiện đáng kể. Với sự ra đời của các máy tính tốc độ nhanh và các thuật toán có độ chính xác và ít chi phí, chúng ta chắc chắn rằng việc giao tiếp giữa người và máy tính bằng tiếng nói tự nhiên sẽ trở thành hiện thực. Các ứng dụng hay gặp Trong phần này, chúng tôi muốn trình bày một số chương trình ứng dụng đã được thương mại hoá có sử dụng các nghiên cứu liên quan đến nhận dạng tiếng nói.

Qua đó người đọc có thể hiểu được tính hiện thực hay khả thi của vấn đề nhận dạng tiếng nói. Người đọc cũng có thể cảm nhận được các hệ thống nhận dạng tiếng nói là cụ thể, gần gũi, và thiết thực trong đời sống hàng ngày cũng như công việc văn phòng. Và cuối cùng người đọc có cái nhìn tổng quát về bài toán nhận dạng tiếng nói thông qua các ví dụ cụ thể. Chương trình quay số bằng giọng nói (voice dialer) Chương trình quay số bằng giọng nói là một chương trình rất đơn giản và hiệu quả được cài đặt trong một số máy điện thoại di động.

Tác dụng rất lớn của chương TIEU LUAN MOI download : [e-mail] 12 trình này là tìm ra một số điện thoại nhanh chóng và ít thao tác nhất. Chúng ta biết điện thoại di động vốn nhỏ gọn và bàn phím chỉ gồm các con số và vài phím chức năng. Do đó việc đánh các ký tự được thực hiện bằng cách lặp phím. Nên việc đánh một tên người để gọi cho người đó rất khó khăn.

Chính vì vậy việc quay số bằng giọng nói, tức là nói một tên người vào lỗ nghe của máy điện thoại thì trên màn hình của điện thoại xuất hiện một hộp thoại bao gồm tên người vừa nói, số điện thoại của người đó, nút chấp nhận gọi cho số tìm được, và nút huỷ bỏ kết quả tìm được. Như vậy quá trình gọi cho một người hầu như chỉ mất hai thao tác đọc tên người gọi và bấm nút chấp nhận. Để một máy điện thoại di động có thể quay số đến một người bất kỳ, chúng ta cần huấn luyện cho máy. Việc huấn luyện chỉ đơn giản là gắn cho mỗi số điện thoại với một đoạn âm thanh.

Do đó một từ điển hay ánh xạ từ tập các đoạn âm thanh tới tập các số điện thoại sẽ được thiết lập. Quá trình nhận dạng sẽ sử dụng từ điển đã được thiết lập trong quá trình huấn luyện để đưa ra kết quả. Mỗi khi người nói có nhu cầu quay số, họ sẽ đưa vào lỗ nghe của máy điện thoại một đoạn âm thanh. Đoạn âm thanh này sẽ được so sánh với các đoạn âm thanh trong từ điển đã được thiết lập trong khi huấn luyện.

Nếu việc so sánh là khớp thì số điện thoại tương ứng sẽ được đưa ra. Ứng dụng nhận dạng tiếng nói này có lẽ là đơn giản nhất trong tất cả các ứng dụng nhận dạng. Mặc dù vậy kết quả nhận dạng nói chung cũng không cao. Đôi lúc người dùng thường phải nói vài lần vào máy mà vẫn chưa được số điện thoại mong muốn.

Một vài người dùng mất bình tĩnh thậm chí còn hét vào máy điện thoại ngay ở nơi công cộng với hy vọng máy có thể tìm ra được số đúng. Điều này khiến những người nghiên cứu trong lĩnh vực tiếng nói cần phải tìm ra các phương pháp cũng như tham số tốt hơn để nhận dạng tiếng nói. Nói chung các hãng điện thoại không công bố chính xác họ làm thế nào để nhận dạng được mẫu âm thanh đưa vào và tìm ra số điện thoại tương ứng. Ta cũng không có cách nào để đo được dung lượng của tri thức nhận dạng hay từ điển nhận dạng để xem phương pháp lưu trữ của họ là mạng lưới hay danh sách.

Nhưng theo TIEU LUAN MOI download : [e-mail] 13 suy luận đơn thuần, chúng ta có thể thấy đoạn âm thanh đưa vào huấn luyện (được dùng làm khoá tìm kiếm) sẽ được biến thành một khối tham số nhất định. Khối tham số này thường bất biến với độ to (amplitude) và độ dừng (duration) của các đoạn âm thanh. Đoạn âm thanh đưa vào để quay số cũng sẽ được biến thành một khối tham số cùng kiểu với khối tham số của đoạn âm thanh huấn luyện. Do đó quá trình tìm kiếm nhanh hơn do các khối tham số nhỏ hơn, không gian lưu trữ từ điển nhận dạng cũng nhỏ hơn, và quá trình tìm kiếm cũng chính xác hơn và thất bại ít hơn do các khối tham số bất biến hay ổn định với các đoạn âm thanh huấn luyện và nhận dạng khác nhau.

name add to dictionary dictionary speech of name parameterize vector speech find best of parameterize vector name name name Hình 1-1. Sơ đồ của hệ quay số bằng giọng nói Nói chung nhận dạng trong điện thoại di động cũng chỉ dừng ở mức độ lưu trữ thành từ điển và nhận dạng dựa trên khớp mẫu. Vì đơn giản là các bộ vi xử lý của điện thoại di động không có nhiều chỉ thị hay chưa đủ thông minh. Bộ nhớ trong của điện thoại di động nói chung không đủ lớn để có thể tổ chức được mạng lưới tìm kiếm.

Chương trình soạn thảo bằng giọng nói (voice editor) Chúng tôi muốn đưa vào phần tổng quan một ứng dụng đã được thương mại hoá của Microsoft như một kết quả đã đạt được của những người đi trước trong lĩnh vực nhận dạng. TIEU LUAN MOI download : [e-mail] 14 Chương trình đọc chính tả là một chương trình đơn giản nhất và thường được coi như ví dụ kinh điển của nhận dạng tiếng nói. Khi chương trình khởi động, một cơ sở tri thức về tiếng nói sẽ được tải lên. Cơ sở tri thức này có thể bị thay đổi, hoặc bị tải lại, cũng như bị lưu lại trong quá trình hoạt động.

Cũng trong quá trình khởi động, một màn hình soạn thảo được mở ra để đón các từ nhận dạng và thiết bị ghi âm cũng được chuẩn bị để đón nhận tín hiệu tiếng nói. Sau khi các công việc khởi động hoàn tất, người dùng có thể đọc các từ và trên màn hình soạn thảo sẽ xuất hiện từ tương ứng. Trong khi đọc chính tả, có thể một từ do người đọc phát âm chưa có trong từ điển, do đó từ này có thể không được nhận dạng. Do vậy người sử dụng có thể thêm một từ vào từ điển đồng thời với việc thêm mẫu phát âm của từ đó vào để nhận dạng.

Kết quả là tri thức nhận dạng được cập nhật. Về cơ bản, Microsoft cho phép người dùng đưa vào các từ bằng giọng nói và các từ hiện ra ở một số cửa sổ soạn thảo hỗ trợ nhận dạng tiếng nói như Microsoft Word, Microsoft Excel. Kết quả nhận dạng cũng không cao và thường phải mất nhiều ngày để huấn luyện. Nhưng đặc biệt chương trình huấn luyện do Microsoft thiết kế rất tự nhiên như quá trình nhận dạng ở người, nghĩa là nhìn các chữ và nghe các âm thanh tương ứng với các chữ đó phát ra.

Chính vì vậy người dùng không mất nhiều công sức để học cách sử dụng hệ thống và huấn luyện hệ thống.