Khả năng nghe hiểu và nói tiếng Việt của các hệ thống hiện nay đã tốt hơn nhiều so với vài năm trước. Nhưng có vài đặc thù của tiếng Việt và của môi trường Việt Nam vẫn gây lỗi, và biết trước thì chuẩn bị được.
Giọng vùng miền
Vấn đề thực tế lớn nhất.
Hiện trạng. Các hệ thống nhận diện giọng nói thường được huấn luyện nhiều hơn trên giọng phổ thông, nên độ chính xác giảm với các giọng vùng miền đặc trưng, đặc biệt là giọng miền Trung.
Biểu hiện. Khách nói mà robot hiểu sai hoặc không hiểu, phải nói lại nhiều lần. Điều này gây khó chịu nhanh hơn bất kỳ lỗi nào khác.
Cách giảm ảnh hưởng. Luôn có lựa chọn bấm thay vì nói — hiển thị các câu hỏi phổ biến trên màn hình để khách chọn. Đây là biện pháp hiệu quả nhất và rẻ nhất.
Thử với người thật ở địa phương. Trước khi mua, cho vài người bản địa với giọng khác nhau nói thử. Đây là phép thử mà không nhà cung cấp nào chuẩn bị trước được.
Hỏi nhà cung cấp về dữ liệu huấn luyện. Hệ thống được huấn luyện trên dữ liệu tiếng Việt tới mức nào, hay chỉ là bản quốc tế có thêm tiếng Việt.
Đây là chỗ khác biệt rõ nhất giữa các sản phẩm và cũng là chỗ mô tả trên tờ rơi ít nói tới nhất.
Tiếng ồn và môi trường
Không phải vấn đề ngôn ngữ nhưng ảnh hưởng trực tiếp tới việc nghe hiểu.
Môi trường Việt Nam thường ồn. Sảnh mở, quán ăn, khu thương mại, tiếng xe từ ngoài. Mức ồn cao hơn nhiều so với văn phòng đóng kín ở nơi sản phẩm được thiết kế.
Ngưỡng thực tế. Trên một mức ồn nhất định thì mọi hệ thống đều nghe kém, không phân biệt sản phẩm.
Cách xử lý. Đặt robot xa nguồn ồn. Dùng micro có hướng. Ưu tiên tương tác qua màn hình ở nơi ồn. Và giảm kỳ vọng về phần nghe nói ở các vị trí ồn.
Nhiều người nói cùng lúc. Khách đi theo nhóm và nói chồng lên nhau. Robot khó tách được ai đang nói với nó.
Khách nói nhỏ. Nhiều người ngại nói to với robot trước mặt người khác. Kết quả là robot không nghe được, khách ngại hơn, và bỏ cuộc.
Điểm cuối gợi ý một điều thực dụng: ở nơi công cộng đông, tương tác qua màn hình nhiều khi tốt hơn tương tác bằng giọng, dù nghe kém ấn tượng hơn.
Xưng hô và cách nói
Đặc thù tiếng Việt mà các ngôn ngữ khác không có, và nó ảnh hưởng lớn tới cảm nhận.
Vấn đề. Tiếng Việt có hệ thống xưng hô phong phú phụ thuộc tuổi tác và quan hệ. Robot không biết tuổi khách nên dễ xưng hô không phù hợp.
Cách xử lý phổ biến. Chọn một cách xưng hô trung tính và lịch sự dùng nhất quán cho mọi khách. An toàn và hơi xa cách.
Cách khác. Robot tự xưng bằng tên của nó và gọi khách là anh chị. Đây là lựa chọn được nhiều nơi dùng vì nó tránh được việc đoán sai tuổi.
Tránh. Xưng hô suồng sã, hoặc cố đoán tuổi qua hình ảnh rồi đổi cách gọi — đoán sai thì phản tác dụng mạnh.
Nhất quán trong toàn bộ nội dung. Trộn nhiều cách xưng hô giữa các phần là lỗi hay gặp khi nhiều người cùng soạn nội dung.
Điều chỉnh theo ngành. Cách nói ở phòng khám khác quán cà phê khác showroom ô tô. Đây là quyết định về thương hiệu chứ không phải quyết định kỹ thuật.
Số, tên riêng và từ nước ngoài
Nhóm lỗi cụ thể và dễ sửa nếu biết trước.
Đọc số tiền. Con số lớn đọc theo nhiều cách. Nên chuẩn hoá cách đọc trong nội dung thay vì để robot tự quyết.
Đọc số điện thoại. Đọc từng chữ số hay đọc theo nhóm. Nên ghi rõ trong nội dung.
Tên riêng. Tên công ty, tên sản phẩm, tên địa điểm — robot có thể đọc sai. Nên kiểm và ghi cách đọc đúng nếu hệ thống cho phép.
Từ tiếng Anh trong câu tiếng Việt. Rất phổ biến trong tên sản phẩm và thuật ngữ. Robot có thể đọc theo kiểu tiếng Việt và nghe rất lạ.
Viết tắt. Nên viết đầy đủ trong nội dung để robot đọc đúng.
Đơn vị đo. Mét vuông, ki-lô-gam, phần trăm — kiểm cách đọc.
Cách kiểm hiệu quả: nghe robot đọc toàn bộ nội dung quan trọng một lượt trước khi đưa vào sử dụng. Mất một giờ và bắt được gần hết nhóm lỗi này.
Thiết kế để giảm phụ thuộc vào giọng nói
Kết luận thực dụng nhất của cả bài.
Luôn có đường bấm song song với đường nói. Mọi việc khách làm được bằng giọng thì cũng làm được bằng cách chạm màn hình. Đây là nguyên tắc thiết kế quan trọng nhất trong điều kiện Việt Nam.
Hiển thị lại điều robot nghe được. Để khách biết nó hiểu đúng chưa và sửa nếu sai. Đơn giản và giảm rất nhiều bực bội.
Hiển thị câu trả lời trên màn hình. Song song với việc nói. Ở nơi ồn thì khách đọc thay vì nghe.
Cho phép nói lại dễ dàng. Nút nói lại rõ ràng, không bắt khách chờ hết câu trả lời sai.
Giới hạn độ dài câu khách phải nói. Câu ngắn nhận diện chính xác hơn câu dài. Thiết kế hội thoại theo từng bước ngắn thay vì một câu hỏi mở dài.
Chấp nhận rằng một tỷ lệ khách sẽ không dùng giọng. Và thiết kế sao cho họ vẫn dùng được robot đầy đủ. Đây không phải thất bại mà là thực tế của môi trường công cộng.
Câu hỏi thường gặp
Vấn đề tiếng Việt lớn nhất với robot là gì?
Giọng vùng miền. Các hệ thống thường được huấn luyện nhiều hơn trên giọng phổ thông nên độ chính xác giảm với giọng đặc trưng, và việc phải nói lại nhiều lần gây khó chịu nhanh hơn mọi lỗi khác.
Cách kiểm chất lượng tiếng Việt trước khi mua?
Cho vài người bản địa với giọng khác nhau nói thử trực tiếp với robot. Đây là phép thử mà không nhà cung cấp nào chuẩn bị trước được, và nó cho câu trả lời rõ hơn mọi mô tả kỹ thuật.
Nên xưng hô thế nào cho an toàn?
Robot tự xưng bằng tên của nó và gọi khách là anh chị, dùng nhất quán cho mọi khách. Cách này tránh được việc đoán sai tuổi, vốn phản tác dụng mạnh hơn là hơi xa cách.
Nguyên tắc thiết kế quan trọng nhất trong điều kiện Việt Nam?
Luôn có đường bấm song song với đường nói. Môi trường công cộng ở Việt Nam thường ồn và nhiều khách ngại nói to, nên mọi việc làm được bằng giọng cũng phải làm được bằng cách chạm màn hình.
Đọc thêm trong Robot AI là gì và Robot cho doanh nghiệp.
