HƯỚNG DẪN AI âm thanh

Trợ lý giọng nói và Chứng nói lắp

Các trợ lý giọng nói như Siri, Alexa và Trợ lý Google thường được đào tạo và điều chỉnh để mong đợi lời nói trôi chảy, liên tục, vì vậy, chúng thường ngắt lời, nghe nhầm hoặc bỏ cuộc đối với những người nói lắp, coi những đoạn nói lắp không trôi chảy như bị chặn, lặp lại hoặc kéo dài khi kết thúc lệnh hoặc như tiếng ồn không thể nhận ra.

Nghe hướng dẫn nàyAI thuật lại · ~3 min

Trên trang nàyđọc 4 phút
  1. Tổng quan
  2. Lặn sâu
  3. Triển khai trong thế giới thực
  4. Tương lai của Trợ lý giọng nói và tình trạng nói lắp
  5. Đưa nó vào thực tế
  6. Tiếp tục khám phá
  7. Câu hỏi thường gặp

Tổng quan

Điều này quan trọng vì nó ảnh hưởng đến các công việc hàng ngày như đặt lời nhắc hoặc thực hiện cuộc gọi, đồng thời loại trừ một cách hiệu quả những người nói lắp khỏi các công cụ được tiếp thị là tiện lợi trên toàn cầu; các nhà nghiên cứu đã xây dựng riêng các bộ dữ liệu về giọng nói nói lắp để giúp khắc phục điều này.

Lặn sâu

Nói lắp là một chứng rối loạn ngôn ngữ liên quan đến sự gián đoạn trong dòng nói, bao gồm lặp lại âm thanh hoặc âm tiết, âm thanh kéo dài và chặn khiến âm thanh dừng hoàn toàn trong giây lát và nó ảnh hưởng đến một phần đáng kể dân số tại một thời điểm nào đó, với nhiều người tiếp tục nói lắp ở tuổi trưởng thành. Giao diện giọng nói kết hợp tính năng nhận dạng giọng nói tự động với quyết định về điểm cuối hoặc hoạt động bằng giọng nói về thời điểm một người nói xong. Việc tạm dừng trong một khối hoặc âm thanh lặp lại có thể góp phần gây ra lỗi ngắt sớm hoặc lỗi phiên âm trong một số hệ thống, như nghiên cứu người dùng được trích dẫn minh họa; hiệu ứng thay đổi tùy theo người, thiết bị và nhiệm vụ. Đây là một khoảng cách đã được biết đến và ghi lại chứ không phải là một khoảng cách giả định. Các nhà nghiên cứu đã công bố công trình về nói lắp. SEP-28k là tập dữ liệu nghiên cứu với các clip được gắn nhãn về các sự kiện như khối, phần kéo dài và sự lặp lại; nó được tạo ra để nghiên cứu khả năng phát hiện sự kiện chứ không phải là bằng chứng cho thấy trợ lý người tiêu dùng hiện xử lý tình trạng nói lắp một cách đáng tin cậy. Một nghiên cứu năm 2023 đã khảo sát 61 người nói lắp và kiểm tra khả năng nhận dạng giọng nói bằng bản ghi âm của 91 người tham gia, báo cáo các điểm cắt và lỗi phiên âm trong hệ thống mà nó đánh giá. Những phát hiện này ghi lại lỗ hổng trong điều kiện nghiên cứu đó, chứ không phải hiệu suất của mọi trợ lý hiện tại. Các nỗ lực hỗ trợ tiếp cận liên quan, chẳng hạn như Dự án Euphonia của Google, tập trung rộng hơn vào lời nói khác với các kiểu nói lưu loát thông thường, bao gồm cả tật nói lắp cùng với các khác biệt về giọng nói khác. Một quan niệm sai lầm phổ biến cho rằng nói lắp chỉ đơn giản là 'nói chậm' và việc cho trợ lý nhiều thời gian hơn để lắng nghe sẽ giải quyết được hoàn toàn vấn đề; trên thực tế, sự thiếu lưu loát có thể bao gồm các âm thanh mà trình nhận dạng phân loại sai thành tiếng ồn hoặc từ sai hoàn toàn, chứ không chỉ dừng lại lâu hơn, do đó, việc khắc phục trải nghiệm đòi hỏi các mô hình được đào tạo về các mẫu giọng nói không lưu loát thực tế chứ không chỉ điều chỉnh cài đặt thời gian chờ. Sự tiến bộ được các nhà nghiên cứu mô tả là tăng dần vì các mô hình không lưu loát khác nhau đáng kể giữa các cá nhân.

Triển khai trong thế giới thực

Một người nói lắp nói 'Đặt đồng hồ t-t-t-hẹn giờ trong mười phút' và một trợ lý được điều chỉnh để có khả năng nói trôi chảy có thể cắt ngang việc nghe sau lần tạm dừng đầu tiên, chỉ đăng ký một phần của cụm từ hoặc yêu cầu người đó lặp lại chính họ.

Một số trợ lý cung cấp cài đặt nghe kéo dài hoặc tạm dừng lâu hơn để có thêm thời gian trước khi quyết định người dùng đã nói xong, cài đặt này có thể hữu ích nhưng không được thiết kế đặc biệt cho chứng nói lắp.

Google đã xuất bản nghiên cứu và bộ dữ liệu như Sự kiện nói lắp trong kho dữ liệu Podcast, sử dụng giọng nói nói lắp được ghi âm thực tế để đào tạo và đánh giá các mô hình về sự lặp lại, chặn và kéo dài thay vì chỉ nói trôi chảy.

Một số người dùng nói lắp cho biết họ đang phát triển các giải pháp thay thế, chẳng hạn như gõ lệnh thay vì nói hoặc chờ cho tình trạng nói lắp qua đi trước khi bắt đầu lệnh, điều chỉnh hiệu quả hành vi của họ xung quanh một công cụ không được xây dựng dành cho họ.

Tương lai của Trợ lý giọng nói và tình trạng nói lắp

Kể từ ngày 26 tháng 9 năm 2026, nghiên cứu tiếp tục về nhận dạng giọng nói toàn diện hơn, bao gồm các tập dữ liệu và đánh giá dựa trên hiểu biết của cộng đồng. Một tập dữ liệu hoặc cải tiến trong phòng thí nghiệm không đảm bảo rằng một điện thoại hoặc trợ lý giọng nói cụ thể đã áp dụng nó. Kiểm tra thiết bị và ngôn ngữ thực tế, cung cấp các lựa chọn thay thế bằng cách nhập hoặc điều khiển bằng cảm ứng, đồng thời cho phép người dùng sửa bản ghi mà không bị buộc phải lặp lại. Ưu tiên điều trị lâm sàng và giao tiếp thuộc về cá nhân và chuyên gia ngôn ngữ nói có trình độ. Một lệnh không thành công sẽ kích hoạt một giải pháp thay thế có thể truy cập được chứ không phải áp lực phải nói trôi chảy.

Đưa nó vào thực tế

Tại sao nó quan trọng

  • Truy cập và tiếp cận. Nó cải thiện khả năng tiếp cận thông qua phiên âm, tường thuật và giao diện giọng nói.
  • Chi phí và ngân sách. Các nhóm truyền thông có thể gửi âm thanh tinh tế nhanh hơn với ngân sách nhỏ hơn.
  • Tốc độ và tỷ lệ. Các hệ thống hướng tới khách hàng có thể xử lý các tương tác bằng giọng nói ở quy mô lớn hơn.

coi chừng

  • Rủi ro lạm dụng giọng nói và mạo danh sẽ tăng lên khi thiếu sự đồng ý.
  • Độ chính xác có thể giảm đối với các giọng, phương ngữ hoặc môi trường ồn ào.
  • Âm thanh tổng hợp có thể bị nhầm lẫn với lời nói đích thực nếu không có nhãn rõ ràng.

Các bước tiếp theo

  1. Nhận được sự đồng ý rõ ràng để thu âm, sao chép và tái sử dụng giọng nói.
  2. Kiểm tra chất lượng trên nhiều loa và điều kiện nền khác nhau.
  3. Xác định khi nào con người phải xem xét hoặc phê duyệt kết quả đầu ra.
  4. Dán nhãn âm thanh tổng hợp và lưu giữ hồ sơ xuất xứ để đảm bảo trách nhiệm giải trình.

Tiếp tục khám phá

Bản tin miễn phí

Nhận bản tóm tắt AI hàng ngày

Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.

Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.

Tự kiểm tra

Làm bài kiểm tra về Trợ lý giọng nói và Nói lắp

Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.

Bắt đầu bài kiểm tra

Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp

Câu hỏi thường gặp

Trợ lý giọng nói và nói lắp là gì?

Các trợ lý giọng nói như Siri, Alexa và Trợ lý Google thường được đào tạo và điều chỉnh để mong đợi lời nói trôi chảy, liên tục, vì vậy, chúng thường ngắt lời, nghe nhầm hoặc bỏ cuộc đối với những người nói lắp, coi những đoạn nói lắp không trôi chảy như bị chặn, lặp lại hoặc kéo dài khi kết thúc lệnh hoặc như tiếng ồn không thể nhận ra. Điều này quan trọng vì nó ảnh hưởng đến các công việc hàng ngày như đặt lời nhắc hoặc thực hiện cuộc gọi, đồng thời loại trừ một cách hiệu quả những người nói lắp khỏi các công cụ được tiếp thị là tiện lợi trên toàn cầu; các nhà nghiên cứu đã xây dựng riêng các bộ dữ liệu về giọng nói nói lắp để giúp khắc phục điều này.

Điều gì có thể xảy ra khi trợ lý giọng nói nghe thấy tiếng nói lắp theo hướng dẫn?

Tình trạng gần như im lặng của khối có thể kích hoạt sớm tính năng phát hiện cuối giọng nói của trợ lý.

Theo hướng dẫn, SEP-28k đề cập đến điều gì?

SEP-28k, Sự kiện nói lắp trong Podcast, là một tập dữ liệu được gắn nhãn dùng để đào tạo và đánh giá các mô hình về lời nói trôi chảy thực sự.

Tại sao 'nói lắp chỉ là nói chậm' được gọi là quan niệm sai lầm trong hướng dẫn?

Vấn đề không chỉ là thời gian; một số âm thanh nhất định bị phân loại sai hoàn toàn, do đó, thời gian chờ lâu hơn không khắc phục được khả năng nhận dạng.

Theo hướng dẫn, tính năng phát hiện hoạt động giọng nói (VAD) như được giải thích trong hướng dẫn là gì?

VAD xác định điểm cuối của giọng nói, thường thông qua ngưỡng im lặng, có thể gây nhầm lẫn cho các khối nói lắp.

Theo hướng dẫn, trọng tâm rộng hơn của Dự án Euphonia là gì?

Dự án Euphonia đề cập đến cách nói không điển hình một cách rộng rãi, trong đó nói lắp là một ví dụ trong số những ví dụ khác.