Mới đây, 2 đề tài nghiên cứu liên quan đến công nghệ xử lý tiếng nói của nhóm kỹ sư Zalo AI đã được công nhận tại Hội nghị châu Á – Thái Bình Dương về trí tuệ nhân tạo quốc tế – PRICAI 2021.
Các công trình nghiên cứu được công nhận tại PRICAI 2021 của nhóm kỹ sư Zalo AI đều liên quan đến công nghệ xử lý giọng nói (Speech Processing): Nghiên cứu về việc chuẩn hóa văn bản đa tác vụ cho hệ thống thống tổng hợp giọng nói (Multi-task Text Normalization Approach for Speech Synthesis) và Nghiên cứu các giải pháp để xây dựng hệ thống tổng hợp giọng nói đa ngôn ngữ (Learning Vietnamese-English Code-Switching Speech Synthesis Model Under Limited Code-Switched Data Scenario). Thực hiện đề tài này là các nhà nghiên cứu trẻ tuổi đến từ Zalo AI với tuổi đời chưa tới 30 là: Trang Trương (1994), Việt Lâm (1995), Cúc Bùi (1997), và Mạnh Cường (1999).
PRICAI được biết đến là hội nghị quốc tế tập trung nghiên cứu về AI và ứng dụng trong lĩnh vực kinh tế – xã hội trên phạm vi châu Á – Thái Bình Dương, được tổ chức lần đầu vào năm 1990. Theo giới nghiên cứu về AI, PRICAI là một trong rất ít hội nghị về công nghệ thông tin có thứ hạng cao trên thế giới. Đây là nơi quy tụ rất nhiều chuyên gia xuất sắc trên thế giới trong trong lĩnh vực tuệ nhân tạo nói riêng và lĩnh vực công nghệ thông tin nói chung. Năm 2021, PRICAI được tổ chức tại Hà Nội (Việt Nam).
Việc các đề tài nghiên cứu của các kỹ sư Việt Nam được công nhận ở Hội nghị quốc tế là tín hiệu vui, phản ánh sự rút ngắn khoảng cách giữa Việt Nam và thế giới trong lĩnh vực mới mẻ như trí tuệ nhân tạo.
Được biết, đội ngũ đã mất khoảng 6 tháng để nghiên cứu, thử nghiệm và 2 tháng để hoàn thành phần bài báo khoa học. Các đề tài đều xuất phát từ nhu cầu thực tiễn trong quá trình xây dựng các sản phẩm AI để phục vụ người dùng.
“Bọn mình cảm thấy module chuẩn hóa văn bản để tổng hợp giọng nói đang có nhiều hạn chế về từ viết tắt, từ mới, từ sai chính tả, và vấn đề ngắt nghỉ. Điều này có thể ảnh hưởng đến mức độ tự nhiên của giọng nói AI. Vì thế, chúng mình đã cố gắng xây dựng một mô hình nhằm cải thiện vấn đề đang gặp phải”. – Cúc Bùi, thành viên nhóm nghiên cứu chia sẻ.
Hiện tại, cả “Nghiên cứu về việc chuẩn hóa văn bản đa tác vụ cho hệ thống thống tổng hợp giọng nói” và “Nghiên cứu các giải pháp để xây dựng hệ thống tổng hợp giọng nói đa ngôn ngữ” đều đang được ứng dụng vào thực tiễn. Cụ thể là 2 nghiên cứu đang được áp dụng vào hệ thống tổng hợp giọng nói nhằm hỗ trợ sản phẩm thực tế chạy trên trang Báo Mới và loa thông minh Kiki.
Sau khi tham dự PRICAI 2021, nhóm kỹ sư vẫn tiếp tục các nghiên cứu còn dang dở nhằm cải thiện sản phẩm họ đang phụ trách tại Zalo. Nếu có cơ hội hay ý tưởng tốt, nhóm vẫn vẫn sẵn sàng thực hiện các bài báo khoa học để chia sẻ tri thức tới cộng đồng AI.
Nói về mong muốn mang giải pháp AI của Việt Nam ra đấu trường quốc tế, kỹ sư Mạnh Cường cho rằng: “Việc mang những kiến thức về trí tuệ nhân tạo của người Việt Nam ra thế giới là mong muốn của rất nhiều kỹ sư AI. Và mình cảm thấy khá tự hào khi được góp một phần nhỏ trong hành trình ấy“.
Zalo AI hiện là đơn vị dẫn đầu trong nghiên cứu và ứng dụng AI trong nước, tập trung vào 4 mảng chính của trí tuệ nhân tạo là Thị giác máy tính (Computer Vision), Xử lý tiếng nói (Speech processing), Xử lý ngôn ngữ tự nhiên (NLP), và Big Data & Machine Learning (Dữ liệu lớn và máy học).
Đây không phải là lần đầu tiên, Zalo có thành tích tốt về mặt học thuật tại đấu trường quốc tế. Vào đầu năm nay, 2 kỹ sư trẻ của Zalo đã đạt Quán quân cuộc thi AI trên Kaggle – sân chơi trí tuệ lớn nhất thế giới. Zalo AI cũng nhiều lần đạt giải cao về xử lý tiếng nói và ngôn ngữ tự nhiên ở Việt Nam.
Thành tựu nghiên cứu từ AI của Zalo đang được ứng dụng trên nhiều sản phẩm hiện có của hệ sinh thái nhằm mang đến trải nghiệm tốt nhất cho của người Việt. Ngoài ra, Zalo cũng cung cấp các công cụ giúp phát hiện đường lưỡi bò phi pháp, chuyển đổi văn bản thành giọng nói, phân loại hình ảnh, kiểm duyệt content miễn phí ra cộng đồng. Đặc biệt, sản phẩm trợ lý tiếng nói Kiki của Zalo dựa trên công nghệ tổng hợp tiếng nói và xử lý ngôn ngữ tự nhiên hiện đang khá phổ biến trên xe hơi điều khiển bằng giọng nói, trên ứng dụng nghe nhạc Zing MP3, và sắp tới sẽ xuất hiện trên hệ thống nhà thông minh.