[TTS] Kiến thức cơ bản về xử lý tiếng nói trong học máy / học sâu – P4

Phần riêng, tiếng Việt (Vietnamese) là một ngôn ngữ nói khá đặc trưng trong cấu trúc ngữ âm và đặc sắc trong các biến thế. Khác với các ngôn ngữ có cấu trúc từ đa âm tiết như tiếng Anh, tiếng Pháp, tiếng Tây Ban Nha, . . . , tiếng Việt thuộc dạng từ đơn âm tiết nhưng có hệ thống thanh điệu (tone) thay vì âm nhấn (stress). Đặc trưng ở đây là sự thay đổi trong thanh điệu có thể thay đổi hoàn toàn nghĩa của từ, ví dụ: nhà, nha, nhá, nhả, nhã, nhạ. Sự thay đổi nghĩa do thanh điệu gây ra có phần giống như sự thay đổi nghĩa của từ khi đổi âm nhấn trong tiếng anh, ví dụ: từ present được nhấn ở âm đầu và âm thứ 2 có gây ra sự khác nhau trong nghĩa của từ. Điểm đặc sắc trong tiếng nói tiếng Việt có thể kể đến ngoài hệ thống thanh điệu là âm phát ra của từng người theo vùng miền khác nhau, theo độ tuổi khác nhau có thể cho ra các âm khác nhau của cùng một chữ ở dạng văn bản, ví dụ: từ “đạp” trong tiếng phổ thông bị nói trại sang từ “độp” trong tiếng nói của những người bản địa vùng Quảng Nam. Để giải quyết các vấn đề này trong xây dựng hệ thống TTS cần có nghiên cứu kỹ lưỡng và đưa ra giải pháp phù hợp thay vì sử dụng tuỳ ý một hệ thống có sẵn trong tiếng nói của ngôn ngữ khác.

[1] A. de Dominicis, “Intonation systems: A survey of twenty languages,” Language, vol. 76, no. 2, pp. 460–463, 2000,

[3] S. Town and J. Bizley, “Neural and behavioral investigations into timbre perception,” Frontiers in systems neuroscience, vol. 7, p. 88, Nov. 2013.