Anh mỉm cười, cảm giác nhẹ nhõm và vui vui như gặp lại người thân. "Người thân" ấy chính là một trong 20 giọng đọc AI mà Đức cùng đội ngũ Vbee đã "cùng ăn ngủ" trong bao ngày tháng, dồn hết tâm huyết vào từng đường nét âm thanh, chăm chút từng sắc thái giọng đọc để chúng ngày càng tự nhiên và giống người hơn.

Gập ghềnh start-up

Không biết đã bao lần giám đốc điều hành (CEO) Hồ Minh Đức và giám đốc công nghệ (CTO) Nguyễn Thị Thu Trang - hai sáng lập viên của Công ty cổ phần dịch vụ và giải pháp dữ liệu Vbee - được trải nghiệm cảm giác vui sướng và tự hào như vậy.

Họ đã gặp lại những "người quen đặc biệt" trong nhiều hoàn cảnh khác nhau: tiếng nói trong trẻo trên hệ thống loa phát thanh trường học, âm giọng ấm áp trong các tòa nhà, hay giọng đọc chuyên nghiệp từ tổng đài tự động của nhiều doanh nghiệp.

Những đứa con tinh thần của Vbee đã không còn chỉ là kết quả của thuật toán và mã lệnh mà đang thực sự bước vào đời sống, đóng góp âm thầm nhưng mạnh mẽ vào nhiều lĩnh vực.

Từ những nội dung giới thiệu sách, lồng tiếng phim cho đến các thông báo trong tổng đài giải đáp tự động, Vbee đã thổi vào công nghệ giọng nói một sức sống mới.

Là "mẹ đẻ" của công nghệ lõi TTS đó, TS Nguyễn Thị Thu Trang luôn khao khát đưa những sản phẩm từ công nghệ tổng hợp giọng nói tiếng Việt - công nghệ mà chị đã dồn rất nhiều tâm huyết từ luận án tiến sĩ tại Đại học Paris 11 - đến với người dùng thực tế.

Những ngày đầu của Vbee đầy chông gai. Dù miễn phí trong khoảng 2 năm đầu tiên, công cụ text-to-speech (TTS) của họ chỉ thu hút được một nhóm nhỏ người dùng. Nhưng rồi COVID-19 bỗng trở thành một bước ngoặt không ngờ.

Đối mặt với các quy định nghiêm ngặt về giãn cách xã hội, những doanh nghiệp như FE Credit, Momo, Viet Credit, Sacombank... phải tìm cách tiếp cận hàng ngàn khách hàng. Đó là lúc Vbee được trao cơ hội: từ việc nhắc nợ đến trả lời tự động, sản phẩm của họ đã kịp thời trở thành giải pháp tối ưu. Khi ấy, trợ lý ảo và tổng đài viên ảo đã mang lại tới 80% doanh thu cho Vbee.

Khi đại dịch qua đi, nền kinh tế thế giới đi xuống, Vbee lại đứng trước thách thức mới. Làn sóng AI tạo sinh (GenAI) và xu hướng nội dung số đã làm hồi sinh công cụ TTS. Ngày nay, từ TikTok đến YouTube, Facebook, đâu đâu cũng xuất hiện những giọng nói AI của Vbee.

"Rất nhiều nội dung TTS hiện nay là do chúng tôi cung cấp", anh Hồ Minh Đức tự hào chia sẻ. Hiện tại, lượng người dùng thực tế của Vbee đã vượt mốc 2 triệu, và con số này vẫn đều đặn tăng 20% mỗi tháng.

Vbee đã đào tạo được hơn 20 giọng nói chất lượng cao của công ty, và nếu tính cả những giọng riêng được đặt hàng theo yêu cầu, họ đã tạo ra hơn 200 giọng AI khác nhau.

Với công nghệ sao chép giọng nói mới được nghiên cứu và ra mắt thử nghiệm gần đây, một giọng đọc mới giờ chỉ cần 3 phút thu âm dữ liệu để đào tạo thay vì từ 4 đến cả chục giờ thu âm như hai năm trước.

"Chúng tôi hơn ở sự am hiểu tiếng Việt"

Trong cuộc đua công nghệ tổng hợp giọng nói, CEO Hồ Minh Đức nhìn thấy một thời điểm mà các nỗ lực đổi mới công nghệ sẽ đi dần đến giới hạn của nó.

Theo anh, Vbee không chỉ đang phát triển công nghệ lõi xử lý tiếng nói tiếng Việt, mà còn đã và đang xây dựng một hệ thống công nghệ có khả năng hiểu sâu sắc ngôn ngữ tiếng Việt - với tất cả sự tinh tế, âm sắc và văn hóa đặc thù mà chỉ những người Việt thực sự mới có thể thấu hiểu trọn vẹn.

Là công ty dẫn đầu trong thị trường TTS ở Việt Nam, hai lãnh đạo của Vbee tin tưởng rằng công cụ của họ đã trở thành chuẩn mực về giọng đọc AI cho tiếng Việt. Người dùng không chỉ đánh giá cao độ chính xác mà còn cảm nhận được "cảm xúc" trong từng giọng nói do Vbee phát triển.

Với tiếng Việt, đơn cử như chỉ một từ "ngõ" thôi cũng có nhiều cách gọi khác nhau tùy theo vùng miền như "hẻm", "kiệt", "xẹc" - mỗi từ mang một sắc thái khác biệt mà AI cần phải hiểu.

Để đạt được điều đó, Vbee đã đầu tư rất lớn vào việc thu thập các tập dữ liệu mẫu cũng như đầu tư vào hệ thống máy chủ mạnh mẽ để đào tạo AI.

"Muốn AI hiểu và xử lý đúng với từng sắc thái vùng miền như vậy, chúng tôi đã phải xây dựng vô số tập mẫu, và chi phí cho máy chủ xử lý cũng rất lớn", CEO Hồ Minh Đức chia sẻ.

TS Nguyễn Thị Thu Trang đã dành hơn 15 năm cho quá trình nghiên cứu công nghệ lõi TTS của Vbee để giải mã những thanh điệu và ngữ pháp đặc trưng của tiếng Việt. Đối với chị, ngôn ngữ mẹ đẻ là một thế giới tinh tế đầy sắc thái biểu cảm.

"Tiếng Việt của mình rất phức tạp và thú vị, thanh điệu là điểm khó nhất và khác biệt với nhiều ngôn ngữ phổ biến khác trên thế giới. Càng hiểu về ngôn ngữ, mô hình của mình sẽ càng chính xác hơn", chị giải thích.

Vbee đang dần khẳng định họ sẽ là một phần không thể thiếu của các công cụ, thiết bị có tích hợp phần mềm xử lý tiếng Việt trong kỷ nguyên công nghệ.

Trong từng câu chữ, từng giọng nói, đội ngũ Vbee không chỉ tìm tòi phát triển công nghệ mà còn nỗ lực tạo nên một "cảm xúc Việt" thực sự trong những giọng nói AI của họ.

Start-up Việt được vinh danh tại thượng đỉnh AI Paris

Enfarm, start-up công nghệ trí tuệ nhân tạo (AI) cho nông nghiệp Việt Nam, là một trong 4 đại diện của châu Á nằm trong 50 dự án được giới thiệu tại Hội nghị thượng đỉnh hành động AI tại Paris (Pháp) trong hai ngày 10 và 11-2.