Điểm chính
Để hiểu một tin nhắn giọng nói bằng ngôn ngữ bạn không biết, cần hai bước riêng biệt: chuyển âm thanh thành văn bản đúng bằng ngôn ngữ mà người nói đã dùng, sau đó mới dịch văn bản đó. Ứng dụng dịch bạn đang dùng không thể bắt đầu nếu chưa có bước một, vì nó chỉ chờ bạn gõ chữ. Chất lượng của cả quá trình quyết định ở bước chuyển thành văn bản, vì một lỗi ở đó sẽ được dịch lại rất “trơn tru” sang ngôn ngữ của bạn và không còn giống lỗi nữa. Tự làm cả hai bước, bạn sẽ không cần cho ai khác nghe tin nhắn đó.
Một tin nhắn giọng nói gửi đến từ người thân, nhà cung cấp, hay chủ nhà. Bạn nghe được vài từ, đủ để biết là quan trọng nhưng không đủ để hiểu nội dung. Phản ứng đầu tiên là mở ứng dụng dịch có sẵn trên điện thoại, và cách này không hiệu quả, vì ứng dụng đó đang chờ bạn gõ chữ, mà bạn thì không thể gõ lại thứ mình không nghe hiểu.
Phản ứng thứ hai là chuyển tin nhắn cho ai đó biết ngôn ngữ này. Cách đó có hiệu quả, nhưng phải đánh đổi một điều mà không phải lúc nào bạn cũng muốn. Bài viết này nói về cách xử lý mà không cần dùng đến cả hai cách trên, những gì máy làm đúng, và những chỗ cụ thể máy thường sai mà bạn có thể học cách nhận ra, ngay cả khi chưa từng đọc được ngôn ngữ đó.
Vì sao ứng dụng dịch bạn đang có không thể bắt đầu
Dịch giọng nói thực chất là hai việc khác nhau đang được gọi chung một tên. Việc đầu tiên là chuyển giọng nói thành văn bản (transcription): biến âm thanh thành chữ viết đúng bằng ngôn ngữ người nói đã dùng. Việc thứ hai là dịch (translation): chuyển chữ viết đó sang ngôn ngữ bạn đọc được. Đây là hai cơ chế hoàn toàn khác nhau, chúng sai theo những cách khác nhau, và hầu hết công cụ mà mọi người hay dùng chỉ làm được việc thứ hai.
Đó là lý do vì sao ứng dụng trên điện thoại bạn cứ đứng yên không làm được gì. Nó được thiết kế xung quanh một ô nhập văn bản. Gõ chữ vào, chữ dịch ra. Đưa cho nó một file âm thanh, nó chẳng có gì để xử lý. Một số công cụ nhận giọng nói qua micro, điều này có ích khi chính bạn là người nói và có thể lặp lại, nhưng ít có ích khi đó là bản ghi âm người khác nói nhanh trong một đường truyền kém.
Khi hiểu đúng thứ tự các bước, vấn đề sẽ hiện ra khác hẳn. Bạn không cần một công cụ dịch. Bạn cần một công cụ có thể tạo ra bản văn bản của tin nhắn bằng đúng ngôn ngữ gốc, sau đó cách dịch bạn vẫn quen dùng sẽ hoạt động như bình thường. Bất kỳ công cụ dịch văn bản bạn đang dùng đều ổn cho nửa sau. Nửa đầu mới là phần bạn cần giải quyết.
Điều này cũng giải thích một chuyện khiến nhiều người bối rối: vì sao một tin nhắn có thể được dịch ra trôi chảy, tự tin, nhưng lại sai hoàn toàn. Phần dịch đã làm đúng việc của nó. Nó chỉ được đưa dữ liệu đầu vào sai, và nó xử lý dữ liệu sai đó một cách rất đẹp.
Cái giá của việc nhờ người khác nghe hộ
Chuyển tin nhắn cho một người bạn song ngữ, một người anh em họ, hay đồng nghiệp biết ngôn ngữ đó, thường nhanh và chính xác. Nhưng điều đó cũng có nghĩa là bạn đang đưa cho người đó toàn bộ nội dung một cuộc trò chuyện riêng tư, kèm cả giọng điệu.
Với một tin nhắn về ngày giao hàng, chẳng ai bận tâm. Nhưng với tin nhắn về tiền bạc, sức khỏe hay gia đình, mọi thứ khác hẳn. Một tin nhắn giọng nói của người thân về kết quả khám bệnh không phải thứ bạn muốn đồng nghiệp nghe được. Tin nhắn của chủ nhà về khoản nợ tiền thuê không phải thứ bạn muốn giải thích với bạn bè trước khi bạn tự quyết định mình nghĩ gì về nó. Tin nhắn của nhà cung cấp về một khoản thanh toán có thể bị sai cũng vậy.
Kết quả là tin nhắn cứ nằm đó, chưa mở. Không phải vì nó không quan trọng, mà vì xử lý nó đồng nghĩa với việc phải nhờ ai đó, và việc nhờ vả này có một cái giá xã hội phải trả trước cả khi bạn biết nội dung tin nhắn là gì. Nhiều người để tin nhắn giọng nói nằm im hàng ngày chỉ vì lý do này. Tin nhắn mà họ không đọc được lại chính là tin nhắn họ ít muốn bị đọc to lên nhất.
Đây là một lý do rất thật để bạn tự làm cả hai bước, và nên nói thẳng ra thay vì coi quyền riêng tư chỉ là một tính năng phụ. Vấn đề không phải là máy dịch giỏi hơn người anh em họ của bạn. Người đó có lẽ vẫn giỏi hơn. Vấn đề là bạn được đọc trước, một mình, rồi sau đó mới quyết định có cần cho ai khác biết hay không.
Bước đầu quyết định chất lượng của bước sau
Mọi thứ về việc kết quả có hữu ích hay không đều phụ thuộc vào bản văn bản bằng ngôn ngữ gốc. Nếu bước này đúng, việc dịch chỉ là chuyện thường tình. Nếu bước này sai, lỗi sẽ đi theo suốt cả quá trình.
Đây là điều khiến nó nguy hiểm. Nếu bản văn bản bằng ngôn ngữ gốc có lỗi, và bạn không đọc được ngôn ngữ gốc đó, bạn sẽ không bao giờ nhận ra lỗi. Nó đi vào bước dịch, được dịch chính xác sang ngôn ngữ bạn đọc được, và xuất hiện trông như một câu bình thường. Không có dấu hiệu gập ghềnh nào. Không có gì báo động. Một từ sai sau khi được dịch trông y hệt như một từ đúng.
So sánh với trường hợp bản văn bản bằng ngôn ngữ bạn biết, khi có lỗi, nó sẽ tự lộ ra. Bạn đọc một câu, thấy vô nghĩa, và bấm nghe lại đoạn âm thanh đó. Vòng kiểm tra lại đó không tồn tại ở đây. Bạn đang đọc kết quả của một quy trình mà bạn không thể tự kiểm tra được.
Hệ quả thực tế là bạn nên nghi ngờ bản văn bản gốc, không phải bản dịch. Nếu điều gì đó nghe kỳ lạ trong ngôn ngữ của bạn, lỗi rất hiếm khi nằm ở phần dịch. Gần như luôn là một từ mà bước chuyển giọng nói thành văn bản đã nghe sai, và cách sửa là nhìn vào đúng vị trí đó trong bản văn bản gốc rồi nghe lại đúng đoạn âm thanh đó, dù không hiểu nó nói gì. Chỉ cần nghe ra người nói dùng một từ ngắn ở nơi bản văn bản ghi một từ dài, bạn đã biết được điều gì đó.
Để máy tự nhận diện ngôn ngữ, rồi kiểm tra lại kết quả đó
Có một trở ngại thực tế xuất hiện ngay lập tức: một số công cụ yêu cầu bạn chọn ngôn ngữ nguồn từ một danh sách trước khi làm bất cứ điều gì. Nếu bạn không chắc đó là ngôn ngữ nào, và nhiều người thực sự không phân biệt được bằng tai những ngôn ngữ gần giống nhau, thì bạn đang đoán mò cái cài đặt quyết định toàn bộ kết quả.
Việc nhận diện trực tiếp từ âm thanh loại bỏ bước đoán mò này. Tiện ích SozAI cho WhatsApp Web tự xác định ngôn ngữ từ bản ghi âm thay vì bắt bạn chọn, và hiển thị một nhãn cho biết nó đã chọn ngôn ngữ nào. Cái nhãn đó là phần hữu ích nhất, vì nhờ nó bạn phát hiện được khi máy đoán sai: nếu nhãn ghi một ngôn ngữ mà bạn biết chắc người gửi không nói được, thì bản văn bản bên dưới không đáng đọc, và bạn nhận ra điều đó ngay trong một cái nhìn, chứ không phải sau hai đoạn văn bối rối.
Có một điều cần lưu ý trước. Bản tóm tắt trả về bằng đúng ngôn ngữ mà tin nhắn được nói. Đó là hành vi đúng cho bước đầu tiên, và nó có nghĩa là một tin nhắn bạn không đọc được vẫn là một tin nhắn bạn không đọc được. Bạn đã chuyển một vấn đề âm thanh thành một vấn đề văn bản, đúng như mục đích ban đầu, nhưng bước dịch vẫn là việc bạn phải tự làm sau đó.
Những phần dễ sai nhất lại chính là những phần quan trọng nhất
Các bản văn bản tự động thường chính xác nhất với lời nói thông thường liền mạch, và yếu nhất ở đúng ba thứ: tên riêng, tên địa danh, và số. Một từ thông dụng có thể được đoán ra từ những từ xung quanh nó. Một họ tên thì không. Một tên đường thì không. Một con số thì không.
Giờ hãy nghĩ xem tin nhắn giọng nói thường nói về điều gì. Gặp ở đâu. Nợ bao nhiêu. Ngày nào. Ai nói gì với ai. Thông tin bạn thực sự cần lại tập trung đúng vào những phần ít khả năng đúng nhất trong bản văn bản, và trong một tin nhắn về địa chỉ hay số tiền, những phần đó không chỉ là chi tiết, chúng chính là nội dung tin nhắn.
Vì vậy hãy đọc bản văn bản theo hai lượt. Lượt đầu cho bạn biết hình dạng chung của tin nhắn: ai đang nói, nói về việc gì, có cần trả lời ngay trong hôm nay không. Hãy tin lượt này. Lượt thứ hai chỉ dành cho các chi tiết cụ thể, và ở đó bạn nên kiểm tra lại chứ không nên tin ngay.
- Nghe lại vài giây âm thanh xung quanh bất kỳ con số nào và lắng nghe từng chữ số, vì các chữ số thường vẫn nhận ra được ngay cả trong một ngôn ngữ bạn không biết.
- Đối chiếu tên với danh bạ của bạn hoặc các tin nhắn trước đó, thay vì chỉ tin vào bản văn bản.
- So sánh địa chỉ với địa chỉ bạn đã lưu sẵn của người hoặc cơ sở kinh doanh đó.
- Nếu một số tiền quyết định hành động tiếp theo của bạn, hãy xác nhận lại bằng văn bản trước khi làm theo.
Nhờ người gửi xác nhận lại một con số bằng chữ viết không phải là thừa nhận bạn không hiểu. Đó cũng chính là điều bạn sẽ làm nếu nghe một con số qua điện thoại đường truyền kém, ngay cả bằng ngôn ngữ mẹ đẻ của mình.
Những điều công cụ này không làm được cho bạn
Nó không thể đưa tin nhắn về đúng ngôn ngữ của bạn ngay trong một lần. Hai bước vẫn là hai bước, và bản văn bản trả về bằng đúng ngôn ngữ đã được nói. Nếu bạn muốn có kết quả hoàn chỉnh bằng ngôn ngữ của mình mà không phải tự chạy riêng bước dịch, đó là một việc khác với việc chỉ chuyển giọng nói thành văn bản, và công cụ dịch âm thanh giữa các ngôn ngữ là nơi bạn nên tìm. Điều này cũng áp dụng cho các file âm thanh bạn có sẵn thay vì tin nhắn WhatsApp, một bản ghi âm, một file được chuyển tiếp, hoặc thứ gì đó lưu từ điện thoại, những trường hợp mà ứng dụng chuyển giọng nói thành văn bản xử lý được còn tiện ích mở rộng cho WhatsApp Web trên trình duyệt thì không.
Nó không cho bạn biết giọng điệu. Một bản văn bản ngắn của một tin nhắn dài sẽ loại bỏ sự do dự, sự ấm áp, sự bực bội, và khoảng lặng trước câu quan trọng nhất. Nếu bạn đang muốn biết người thân của mình lo lắng đến mức nào, chỉ đọc chữ thôi sẽ không đủ, và bạn nên nghe lại âm thanh một lần nữa với bản văn bản trước mặt.
Nó sẽ không đáng tin cậy với âm thanh ghi kém. Gió, loa ngoài trong xe, hai người nói cùng lúc, một tin nhắn giọng nói ghi trong hành lang ồn ào. Đầu vào kém sẽ tạo ra một bản văn bản sai nhưng trông rất tự tin, thay vì một lỗi rõ ràng dễ nhận ra, và điều đó còn tệ hơn, vì nó trông như đã hoàn chỉnh.
Và nó không thể thay thế người anh em họ của bạn khi tin nhắn thực sự mơ hồ, khó hiểu. Điều nó làm được là giúp bạn biết trước liệu tin nhắn có mơ hồ hay không trước khi cho ai khác nghe. Hầu hết trường hợp câu trả lời là không, và bạn có thể tự xử lý. Khi câu trả lời là có, giờ bạn đã biết chính xác ba mươi giây nào cần hỏi, thay vì phải đưa cả bản ghi âm cho người khác.
