Không giống như việc nhân bản con người trong đời thực, nhân bản giọng nói lại an toàn, dễ làm quen và hầu như ai có kết nối internet cũng đều có thể sử dụng. Không chỉ mang tính ứng dụng cao, nó còn cực kỳ hữu ích, có thể thay đổi hoàn toàn cách chúng ta tiếp cận giáo dục, kinh doanh, trò chơi điện tử, văn học và vô vàn lĩnh vực khác. Muốn thử không? Đọc tiếp nhé!
Nhân bản giọng nói là gì?
Nhân bản giọng nói đúng như bạn tưởng — sao chép và tạo lại giọng nói của một người bằng trí tuệ nhân tạo (AI). Nghe có vẻ như khoa học viễn tưởng, nhưng có lẽ bạn đã từng gặp nó rồi. Bạn còn nhớ chương trình chuyển văn bản thành giọng nói (TTS) mà bạn từng dùng để cho nó đọc tin tức bằng giọng Arnold Schwarzenegger không? Đó chính là một ví dụ của nhân bản giọng nói. Các tiện ích và ứng dụng TTS đơn giản trên trình duyệt không tinh vi và mạnh mẽ bằng các giải pháp chuyên biệt về nhân bản giọng nói. Dễ hiểu thôi, vì mục đích chính của chúng không phải là nhân bản giọng nói. Những giải pháp nhân bản giọng nói “xịn” hơn sẽ phân tích sâu về ngữ điệu và đặc trưng giọng nói, bóc tách và tận dụng mọi chi tiết làm nên sự độc đáo của mỗi giọng. Như bạn có thể đoán, càng có nhiều dữ liệu đầu vào thì AI càng tạo ra giọng nói chân thực, và các mô hình học máy cũng càng ngày càng tinh vi.
Ứng dụng của nhân bản giọng nói
Nhân bản giọng nói không chỉ để cho vui mà còn có vô số ứng dụng trong giáo dục, kinh doanh, y tế, v.v. Tất nhiên, cũng giống như nhân bản trong thế giới thực, nó kéo theo không ít câu hỏi về đạo đức (hãy nghĩ đến các video deepfake từng bị rò rỉ). Nhưng ta sẽ tạm gác những tranh luận triết học sang một bên và tập trung vào khía cạnh tích cực.
Giáo dục
Giáo dục đang dần dần nhưng chắc chắn chuyển hẳn sang môi trường số. Ở đây chúng ta không bàn đến tác động lâu dài của chuyện đó lên hệ thống giáo dục, mà chỉ muốn nhấn mạnh một thực tế đơn giản — màn hình và các cuộc gọi Zoom đang dần thay thế phòng học và bảng phấn. Nhờ vậy, chúng ta có rất nhiều công cụ để khai thác, biến các bài giảng trở nên sinh động và cuốn hút hơn. Với nhân bản giọng nói, chẳng hạn, ta có thể dùng deep learning để tái tạo lại giọng của các nhân vật lịch sử. Hãy thử tưởng tượng bạn được chính Nikola Tesla giải thích về dòng điện xoay chiều.
Sách nói
Tiếp theo là sách nói. Dù chúng ta thường coi sách nói như một công cụ vừa học vừa thư giãn, trên thực tế chúng còn quan trọng hơn nhiều. Với một số người, đây là cách duy nhất để tiếp cận nội dung chữ, đặc biệt là người khiếm thị. Nhờ công nghệ nhân bản giọng nói, chúng ta có thể biến sách nói thành một trải nghiệm lôi cuốn và sống động hơn rất nhiều.
Dịch vụ chuyển văn bản thành giọng nói
Trước khi đi sâu vào nhân bản giọng nói thời gian thực và tổng hợp giọng nói, hãy quay lại với các chương trình TTS để xem chúng hữu ích đến mức nào. Ví dụ, hãy thử Speechify — một trong những giải pháp TTS hiện đại nhất hiện nay. Speechify làm được gì? Speechify có thể chuyển bất kỳ đoạn văn bản nào thành âm thanh, quét tài liệu giấy rồi đọc thành tiếng, giúp bạn lồng tiếng cho blog, v.v. Tại sao lại kể ra tất cả những thứ này? Bởi vì TTS vừa rẻ lại dễ tiếp cận, chúng không chỉ hưởng lợi từ công nghệ nhân bản giọng nói mà còn góp phần đẩy công nghệ này phổ biến rộng rãi hơn. Chẳng hạn, Speechify có cả giọng đọc của người nổi tiếng, bạn có thể nghe tiểu thuyết yêu thích được đọc bởi Gwyneth Paltrow. Thử ngay.
Giọng nói AI được tạo ra như thế nào?
Giờ thì hãy quay lại phần “chuyên môn” và xem giọng nói AI thực sự được tạo ra ra sao, và vì sao nó lại nghe giống người đến vậy. Đừng lo — không quá khó hiểu đâu. Như đã nói, công nghệ AI nhân bản giọng nói sử dụng deep learning để tìm ra điều gì khiến giọng bạn trở nên khác biệt. Chúng ta đang nói đến cao độ, ngữ điệu, âm sắc, âm lượng và mọi thứ cấu thành một giọng nói cá nhân. Có thể bạn nghĩ công nghệ như vậy phải cực kỳ khủng khiếp — đúng là phức tạp, nhưng hoàn toàn khả thi. Điều quan trọng là chúng ta cần cung cấp cho mạng nơ-ron sâu thật nhiều dữ liệu âm thanh. Ở một khía cạnh nào đó, nó khá giống với cách chúng ta học ngoại ngữ! Hiện nay công nghệ đã tiến xa, một số giải pháp chỉ cần vài giờ ghi âm là có thể tái tạo khá chính xác một giọng nói — quá tuyệt trong trường hợp bạn không có nhiều dữ liệu âm thanh (hãy nhớ lại các nhân vật lịch sử mà chúng ta đã nhắc đến ở trên).
Ứng dụng nhân bản giọng nói
Có thể bạn cũng đoán được, khi internet đã phủ sóng rộng khắp, rất nhiều ứng dụng nhân bản giọng nói đã ra đời. Tất nhiên, ứng dụng này làm tốt hơn ứng dụng kia. Dưới đây là vài lựa chọn hàng đầu để bạn tạo giọng nói tổng hợp và tự mình khám phá sức mạnh của công nghệ tổng hợp giọng nói ngay tại nhà:
- Respeecher
- Murf
- Resemble
- Descript
Các trang web nhân bản giọng nói
Nếu bạn từng dùng công cụ TTS, bạn sẽ biết rằng không nhất thiết phải tải ứng dụng về máy mới dùng được. Thay vào đó, bạn có thể cài tiện ích mở rộng trên trình duyệt hoặc dùng ngay trên website cho nhanh gọn. Công nghệ nhân bản giọng nói AI cũng vậy. Bạn hoàn toàn có thể dùng các dịch vụ như Zzlab chẳng hạn. Tuy nhiên, nếu muốn khai thác tối đa sức mạnh của phần mềm tổng hợp giọng nói, chúng tôi khuyên bạn nên cài Speechify hoặc một trong những chương trình đã liệt kê ở trên.
Câu hỏi thường gặp
Sự khác biệt giữa nhân bản giọng nói và biến đổi giọng nói là gì?
Hiểu đơn giản thế này: biến đổi giọng nói chỉ là thay đổi cách giọng bạn phát ra, tức là cho nó chạy qua một bộ lọc số nào đó. Còn nhân bản giọng nói là cả một quy trình phức tạp, sử dụng deep learning và máy học để tạo ra một giọng AI có thể tự “phát âm” và sinh âm thanh riêng, chứ không chỉ chỉnh sửa giọng gốc theo thời gian thực.
Ai là người dễ nhân bản giọng nói nhất?
Giọng nói dễ nhân bản nhất là giọng có nhiều dữ liệu âm thanh và mẫu ghi âm nhất. Ví dụ, bạn có thể dùng chính các đoạn ghi âm giọng mình, hoặc chọn giọng của những nhà sáng tạo nội dung, người nổi tiếng vì thuật toán thường đã được “luyện” rất kỹ trên các dữ liệu này.
