Dịch giọng nói tức thì bằng máy làm khá tốt việc chuyển những câu ngắn, rõ, thông dụng giữa các ngôn ngữ lớn, với độ trễ chỉ một hai giây. Nó vẫn vấp ở tên riêng, số liệu, tiếng địa phương, câu nói chen, và đặc biệt ở cách xưng hô của tiếng Việt. Ngay cả phiên dịch viên giỏi nhất cũng luôn nói chậm hơn người nói vài giây, vì không ai dịch đúng được một câu khi chưa nghe đủ ý.
Phiên dịch song song: nghề có trước máy
Dịch "gần như cùng lúc" là một nghề có lịch sử riêng. Trước đây, phiên dịch phổ biến là dịch nối tiếp: người nói dừng, phiên dịch viên nói lại. Phiên dịch song song (cabin, đeo tai nghe) được dùng rộng rãi lần đầu ở phiên toà Nuremberg 1945–1946, với hệ thống micro, tai nghe và các nhóm phiên dịch cho bốn thứ tiếng. Sau đó, Liên Hợp Quốc và các tổ chức quốc tế đưa cách làm này thành chuẩn.
Các nghiên cứu về phiên dịch song song có một khái niệm quen thuộc: khoảng cách tai – miệng (ear-voice span), tức người phiên dịch nói chậm hơn người nói bao lâu. Khoảng này thường vào cỡ vài giây và thay đổi theo cặp ngôn ngữ, tốc độ nói, độ khó của nội dung. Họ phải giữ trong đầu một đoạn câu, chờ đủ ý mới bắt đầu nói, đồng thời vẫn nghe tiếp câu sau. Đây là việc rất mệt, nên phiên dịch viên cabin thường thay ca nhau sau khoảng nửa giờ.
Máy dịch giọng nói hoạt động thế nào
Có hai kiểu thiết kế chính:
Kiểu ba bước nối tiếp
- Nhận dạng giọng nói (ASR): chuyển tiếng nói thành chữ.
- Dịch máy: dịch chữ ở ngôn ngữ nguồn sang ngôn ngữ đích.
- Tổng hợp giọng nói (TTS): đọc bản dịch thành tiếng.
Ưu điểm là mỗi bước có thể làm thật tốt và kiểm tra riêng; nhược điểm là lỗi bước trước dồn sang bước sau. Nghe nhầm một chữ ở bước 1 thì bước 2 dịch đúng cũng thành sai.
Kiểu đầu cuối
Các mô hình mới học thẳng từ tiếng nói sang tiếng nói, hoặc từ tiếng nói sang chữ ngôn ngữ khác, bỏ qua một số bước trung gian. Cách này có thể giữ được ngữ điệu, giảm độ trễ, nhưng khó kiểm soát lỗi hơn và cần rất nhiều dữ liệu song ngữ có tiếng.
Vì sao máy cũng phải chờ
Thứ tự từ ở các ngôn ngữ không giống nhau. Tiếng Việt nói "cái áo màu đỏ của chị ấy", tiếng Anh đặt tính từ và sở hữu lên trước danh từ; tiếng Nhật, tiếng Hàn đặt động từ ở cuối câu. Muốn dịch câu tiếng Nhật sang tiếng Việt cho tự nhiên, đôi khi phải đợi tới chữ cuối mới biết hành động là gì.
Máy có hai lựa chọn: chờ hết câu (chính xác hơn nhưng chậm) hoặc dịch từng cụm rồi sửa dần (nhanh hơn nhưng bản dịch có thể đổi giữa chừng). Đó là lý do khi xem phụ đề tự động trực tiếp, bạn thấy dòng chữ nhảy, sửa vài từ rồi mới đứng yên.
Máy làm tốt và vấp ở đâu
| Làm khá tốt | Hay vấp |
|---|---|
| Câu ngắn, ngữ pháp chuẩn | Câu dài, nhiều mệnh đề lồng nhau |
| Chủ đề phổ thông: hỏi đường, gọi món, mua sắm | Thuật ngữ chuyên ngành, tiếng lóng, từ mới |
| Giọng chuẩn, môi trường yên tĩnh | Giọng địa phương, tiếng ồn, nhiều người nói chen |
| Cặp ngôn ngữ có nhiều dữ liệu | Ngôn ngữ ít tài liệu, tiếng dân tộc thiểu số |
| Ý nghĩa trực tiếp | Thành ngữ, chơi chữ, nói mỉa, nói giảm nói tránh |
Những cái bẫy riêng của tiếng Việt
- Thanh điệu: "ma, má, mà, mả, mã, mạ" là sáu chữ khác nhau. Nghe nhầm thanh là sai nghĩa. Giọng địa phương làm khác cách phát âm thanh hỏi, thanh ngã, càng khó cho máy.
- Xưng hô: tiếng Việt có anh, chị, em, cô, chú, bác, con, cháu... tiếng Anh gần như chỉ còn "I" và "you". Dịch chiều Anh sang Việt, máy phải đoán quan hệ tuổi tác, thân sơ, và rất hay đoán sai, khiến câu nghe lạ hoặc thất lễ.
- Chủ ngữ ẩn: người Việt hay nói "Ăn chưa?", "Đi đâu đấy?" mà không có chủ ngữ. Máy phải tự thêm vào khi dịch sang ngôn ngữ cần chủ ngữ.
- Tên riêng và số: tên người, tên đường, số điện thoại, giá tiền là chỗ dễ sai nhưng sai thì hậu quả lớn nhất.
Độ trễ của máy đến từ đâu
Khi bạn nói vào máy dịch rồi chờ tiếng dịch phát ra, khoảng lặng ấy được cộng từ nhiều phần:
- Chờ hết câu: máy phải đoán khi nào bạn ngừng nói. Nếu nó chờ một khoảng im lặng ngắn, ví dụ nửa giây, để chắc là câu đã xong, thì khoảng chờ ấy đã là một phần độ trễ. Chờ ngắn quá thì cắt ngang câu; chờ dài quá thì cuộc nói chuyện ì ạch.
- Gửi lên máy chủ: nhiều ứng dụng xử lý trên đám mây, nên mạng chậm là dịch chậm. Chế độ ngoại tuyến xử lý ngay trên máy, nhanh về mạng nhưng mô hình nhỏ hơn, có thể kém chính xác hơn.
- Tính toán: nhận dạng giọng nói, dịch và tạo giọng đều cần thời gian xử lý.
- Đọc bản dịch: máy đọc bản dịch cũng mất đúng bằng thời gian một người đọc câu đó.
Cộng lại, một lượt hỏi – đáp qua máy dịch thường dài gấp đôi gấp ba lượt nói chuyện thường. Cuộc trò chuyện sẽ dễ chịu hơn nếu cả hai bên biết trước điều này và kiên nhẫn chờ nhau.
Mẹo dùng máy dịch giọng nói cho hiệu quả
- Nói câu ngắn, mỗi câu một ý, dừng hẳn giữa các câu.
- Nói rõ, tốc độ vừa, không cần nói to. Đưa micro lại gần, tránh chỗ ồn.
- Tránh thành ngữ, tiếng lóng. "Trời ơi đất hỡi" hay "chém gió" dễ ra bản dịch kỳ quặc.
- Kiểm tra lại số và tên bằng cách cho người kia xem màn hình chữ, đừng chỉ nghe tiếng.
- Dịch ngược để kiểm tra: với câu quan trọng, cho máy dịch bản dịch ngược về tiếng Việt. Nếu ý đã đổi, hãy nói lại đơn giản hơn.
- Tải gói ngôn ngữ ngoại tuyến trước khi đi du lịch, phòng khi mất mạng.
- Với việc pháp lý, y tế, hợp đồng: dùng máy để hiểu sơ bộ, nhưng cần người phiên dịch có chuyên môn cho bản cuối.
Góc nhìn hôm nay
Máy dịch giọng nói đã đủ tốt để một người Việt hỏi đường ở nước ngoài hay một người khách nước ngoài gọi món ở quán phở. Nhưng "tức thì" trong dịch thuật luôn có giới hạn: ý nghĩa của câu nhiều khi chỉ lộ ra ở cuối câu, và cách xưng hô, sắc thái lịch sự thì gắn với văn hoá hơn là với từ ngữ. Người phiên dịch giỏi vẫn có chỗ đứng ở những nơi một chữ sai là hỏng việc.
Phép thử nhỏ cho cả nhà: chọn ba câu tiếng Việt, một câu hỏi đường, một câu có thành ngữ, một câu xưng "con" với "bác". Cho máy dịch sang tiếng Anh rồi dịch ngược lại. So kết quả, bạn sẽ thấy ngay máy mạnh và yếu ở đâu.
Câu hỏi thường gặp
Dịch giọng nói trực tiếp có chính xác không?
Với câu ngắn, rõ, chủ đề thông dụng, bản dịch thường đủ để hiểu ý. Độ chính xác giảm mạnh khi có tiếng ồn, giọng địa phương, thuật ngữ, thành ngữ, tên riêng và số liệu, nên những thông tin quan trọng cần kiểm tra lại bằng chữ.
Phiên dịch song song có từ khi nào?
Phiên dịch song song qua tai nghe được dùng rộng rãi lần đầu tại phiên toà Nuremberg năm 1945–1946. Sau đó nó trở thành cách làm chuẩn ở Liên Hợp Quốc và các hội nghị quốc tế.
Vì sao máy dịch tiếng Việt hay sai xưng hô?
Tiếng Việt chọn đại từ theo tuổi tác và quan hệ (anh, chị, em, cô, chú, bác...), còn nhiều ngôn ngữ chỉ có vài đại từ. Máy không biết quan hệ giữa hai người nói nên phải đoán, và thường đoán sai.
Vì sao phụ đề tự động hay nhảy chữ?
Hệ thống dịch từng cụm để giảm độ trễ, rồi sửa lại khi nghe thêm phần sau của câu. Vì thứ tự từ giữa các ngôn ngữ khác nhau, ý đúng nhiều khi chỉ rõ khi nghe hết câu.
Làm sao để máy dịch giọng nói chính xác hơn?
Nói câu ngắn, mỗi câu một ý, nói rõ ở tốc độ vừa phải, tránh chỗ ồn và tránh thành ngữ, tiếng lóng. Với câu quan trọng, dịch ngược lại về tiếng Việt để kiểm tra ý còn giữ nguyên không.
