Tính năng Lọc âm thanh (Audio Eraser), ra mắt trên Galaxy S25 series, được thiết kế nhằm giải quyết những tình huống như trên bằng cách giảm thiểu tiếng ồn không mong muốn và tăng cường âm thanh mong muốn được giữ lại, giúp người dùng tạo ra những video sống động hơn.[1] Các tính năng Galaxy AI như Audio Eraser – được phát triển dựa trên sự thấu hiểu sâu sắc nhu cầu của người dùng – là thành quả từ những nỗ lực không ngừng từ đội ngũ Samsung Research và Ngành hàng Trải nghiệm Di động (MX) tại Samsung Electronics.

Samsung Newsroom đã có cơ hội trò chuyện cùng các chuyên gia công nghệ âm thanh từ Bộ phận Giải pháp AI tại Samsung Research để khám phá sâu hơn về quá trình phát triển tính năng đột phá này.

▲ (Từ trái sang) Kyoungbo Min, Hejung Yang, Hosang Sung và Jiwon Kim từ Bộ phận Giải pháp AI tại Samsung Research

Phát hiện nguồn âm thanh: Tương lai của công nghệ âm thanh thế hệ mới

Tính năng Audio Eraser cho phép người dùng điều chỉnh âm thanh trong video bằng cách loại bỏ tiếng ồn không mong muốn và tăng cường phần âm thanh mà họ muốn làm nổi bật. Tính năng này nhanh chóng quét video để phát hiện và phân loại âm thanh theo từng nhóm, và đặc biệt có thể áp dụng không chỉ cho các video do người dùng tự quay mà còn cho cả những video được chia sẻ hoặc nhận từ người khác.

Tương tự như cách tính năng Xóa vật thể Object Eraser đã nâng tầm khả năng chỉnh sửa hình ảnh và trải nghiệm người dùng khi ra mắt trên Galaxy S21 series, Audio Eraser được phát triển để mang đến trải nghiệm đa phương toàn diện hơn – vừa nâng cao phần nghe, vừa hoàn thiện phần nhìn.

▲ Audio Eraser cho phép người dùng điều chỉnh âm thanh theo từng loại trong video.

Cải tiến các mô hình phát hiện và tách nguồn âm thanh

Audio Eraser có khả năng nhận diện sáu loại âm thanh — giọng nói, nhạc, tiếng gió, âm thanh thiên nhiên, tiếng ồn đám đông và tiếng ồn xung quanh. Sử dụng công nghệ phát hiện nguồn âm thanh, tính năng này nhanh chóng xác định các âm thanh xuất hiện trong video cũng như vị trí của chúng. Sau đó, thông qua công nghệ tách nguồn âm thanh, tính năng tiến hành cô lập và phân loại từng loại âm thanh vào các nhóm riêng biệt.

Để xây dựng các mô hình AI có khả năng phát hiện và tách biệt các loại âm thanh khác nhau, nhóm nghiên cứu đã bắt đầu bằng cách thu thập bộ dữ liệu đào tạo mạnh mẽ. Họ mô phỏng nhiều tình huống ghi hình video thực tế để tạo ra các tập dữ liệu âm thanh đa dạng — và thậm chí còn đi thực tế để ghi lại trực tiếp những âm thanh đời thường hàng ngày.

“Tiếng gió là một trong những yếu tố khó xử lý nhất”, Hejung Yang từ Bộ phận Giải pháp AI tại Samsung Research cho biết. “Bên cạnh việc tinh chỉnh công nghệ mô phỏng tiếng gió, chúng tôi còn nâng cấp bộ dữ liệu bằng cách tự mình ghi lại âm thanh gió thực tế ngoài trời bất cứ khi nào có gió mạnh — kể cả sau giờ làm hay vào cuối tuần”.

Ngoài ra, nhóm nghiên cứu còn dành nhiều thời gian để cải thiện hiệu suất của mô hình phân tách nguồn âm thanh bằng cách xem xét cẩn thận vô số đoạn video clip vô số lần.

“Mỗi kỹ sư phát triển đã phân tích và so sánh hơn 1.000 mẫu âm thanh mỗi tuần trong nhiều điều kiện khác nhau”, Jiwon Kim cho biết. “Thông qua các thử nghiệm liên tục, chúng tôi đã tìm ra mô hình phân tách âm thanh hiệu quả nhất nhằm đảm bảo chất lượng và độ nhất quán trong kết quả đầu ra”.

▲ Các nhà nghiên cứu của Samsung đang nghiên cứu phát triển công nghệ âm thanh cho Audio Eraser.

Mang đến trải nghiệm âm thanh lấy người dùng làm trung tâm

Khi Audio Eraser hoạt động trực tiếp trên thiết bị, Audio Eraser mang đến trải nghiệm người dùng vượt trội với khả năng chỉnh sửa âm thanh theo thời gian thực, đồng thời đảm bảo quyền riêng tư được bảo vệ tối đa. Thành công của Audio Eraser có được là nhờ vào bề dày kinh nghiệm của Samsung trong việc phát triển các tính năng AI mạnh mẽ và tối ưu hóa trên thiết bị.

“Chúng tôi tập trung phát triển các mô hình AI và thuật toán có khả năng xử lý nhanh ngay trên thiết bị,” ông Hosang Sung chia sẻ. “Rất nhiều nỗ lực đã được đầu tư để tạo ra một giải pháp AI tối ưu, hoạt động mượt mà với mức tiêu thụ năng lượng thấp.”

Nhờ được hỗ trợ bởi một nền tảng nghiên cứu AI vững mạnh, Samsung Research tiếp tục nâng cao năng lực trong lĩnh vực công nghệ âm thanh tiên tiến.

“Chúng tôi cam kết phát triển các giải pháp thế hệ mới giúp nâng cao khả năng sử dụng của thiết bị di động,” ông Hoonyoung Cho, Phó Chủ tịch kiêm Trưởng nhóm Giải pháp AI tại Samsung Research, cho biết. “Thông qua các công nghệ kiểm soát âm thanh và nâng cao chất lượng âm thanh, chúng tôi hướng đến việc mang lại trải nghiệm nghe thực sự chọn lọc và cá nhân hóa.”

Hợp tác tích hợp với các nhóm phát triển sản phẩm

Việc chuyển đổi nghiên cứu tiên tiến thành giải pháp sẵn sàng cho người tiêu dùng đã đặt ra một loạt thách thức mới. Chẳng hạn như, khi chỉnh sửa video và âm thanh cùng lúc, quá trình phát lại cần phải mượt mà và không bị gián đoạn. Ngoài ra, việc xử lý video dài hơn một giờ đòi hỏi công nghệ chuyên biệt có khả năng hoàn thành nhiệm vụ trong cùng một khoảng thời gian.

Để giải quyết những thách thức này, Samsung Research đã phối hợp chặt chẽ cùng bộ phận Kinh doanh và Trải nghiệm Di động — từ việc đề xuất các ý tưởng lấy người dùng làm trọng tâm, đến việc thử nghiệm nhiều lần các kỹ thuật tối ưu hóa phần mềm và đánh giá chất lượng âm thanh. Hai bên cùng nhau thử nghiệm nhiều phương pháp để tìm ra giải pháp hiệu quả nhất.

Sự hợp tác này đã từng chứng minh tính hiệu quả trong quá trình phát triển Galaxy Buds3 series (Buds3, Buds3 Pro). Khi nhu cầu nghe trong môi trường ồn ào ngày càng tăng — từ việc thưởng thức âm nhạc hay các nội dung truyền thông, cho đến việc đàm thoại rõ ràng hơn — công nghệ Chống Ồn Chủ Động (ANC) đang dần trở thành tính năng không thể thiếu của tai nghe không dây. Samsung đã đặt ra tiêu chuẩn mới với công nghệ Adaptive ANC độc quyền, cho phép Galaxy Buds3 series tự động thích ứng với điều kiện đeo khác nhau của từng người dùng cũng như các thay đổi về độ vừa vặn khi đeo trong thời gian dài, từ đó mang lại hiệu suất chống ồn tối ưu.

Vì tai nghe được đeo trực tiếp vào tai, sự phối hợp chặt chẽ giữa các nhóm phần cứng và phần mềm là là vô cùng quan trọng để hoàn thiện các thông số kỹ thuật và tối ưu hóa công nghệ ANC.

“Chúng tôi đã phát triển nhiều thuật toán từ trước để phù hợp với các điều kiện phần cứng khác nhau,” ông Kyoungbo Min chia sẻ. “Thông qua các mô phỏng chuyên sâu, chúng tôi đã chuẩn bị một giải pháp có thể dễ dàng điều chỉnh cho bất kỳ chipset hay thiết bị nào. Quá trình phát triển bao gồm nhiều lần chỉnh sửa và cải tiến, nhưng nhờ sự hợp tác chặt chẽ giữa nhóm nghiên cứu tiên tiến và nhóm phát triển sản phẩm, quá trình thương mại hóa đã được đẩy nhanh.”

Tách nguồn âm là một lĩnh vực cốt lõi của công nghệ âm thanh thế hệ tiếp theo, và Samsung vẫn đang tiếp tục thúc đẩy những đổi mới nền tảng trong lĩnh vực này. Với khả năng khai thác tối đa công nghệ tách nguồn âm, Audio Eraser mở ra tiềm năng mở rộng sang nhiều ứng dụng mới. Sự phát triển không ngừng của Galaxy AI hứa hẹn sẽ mang đến nhiều tính năng trực quan và hữu ích hơn nữa cho người dùng trong tương lai.

[1] Kết quả có thể khác nhau tùy theo video dựa vào cách các âm thanh xuất hiện trong video. Yêu cầu đăng nhập Samsung Account. Một số loại âm thanh có thể được phát hiện như giọng nói, âm nhạc, tiếng gió, thiên nhiên, đám đông và tiếng ồn. Khả năng phát hiện âm thanh thực tế có thể khác nhau tùy thuộc vào nguồn âm thanh và điều kiện của video. Độ chính xác của kết quả không được đảm bảo.

Bên trong Viện Công nghệ Vellore ở Chennai, Ấn Độ, là một phòng thí nghiệm được trang bị đầy đủ các thiết bị âm thanh tân tiến. Tại đây, bạn sẽ nhìn thấy những mô hình mô phỏng đầu và thân người, cùng với các micro thu âm binaural và thiết bị trợ thính. Tất cả được đặt trong những buồng đặc biệt được trang bị hệ thống tiêu âm tiên tiến, biến nơi đây trở thành phòng thí nghiệm đầu tiên thuộc loại hình này tại Ấn Độ. Còn gì lý tưởng hơn một cơ sở như vậy được sử dụng để phát triển các thiết bị âm thanh cao cấp tân tiến có độ chân thực cao (Hi-Fi). 

Đây là nơi Viện Công nghệ Vellore hợp tác với Samsung để sản xuất và phát triển dữ liệu cũng như các thông tin chuyên sâu để xây dựng nền tảng cho các mô hình AI mới nhất, nâng cao khả năng ngôn ngữ của Galaxy AI. Cơ sở này thuộc dự án Phòng thí nghiệm Samsung SEED (Hệ sinh thái dữ liệu kĩ thuật dành cho sinh viên) –  một sáng kiến cho phép nhân viên, sinh viên và thực tập sinh tại Ấn Độ tham gia vào các dự án triển khai bởi Samsung từ năm 2021. Đây chỉ là một trong số nhiều chương trình đại học do Samsung tài trợ, mang đến cho sinh viên cơ hội làm việc trong các dự án cùng với các chuyên gia kỹ thuật của công ty.

Yashika Ilanchezhiyan, một sinh viên tại Samsung SEED chia sẻ: “Là một sinh viên, tôi mong muốn được tham gia nhiều dự án khác nhau tại một công ty danh tiếng và uy tín như Samsung. Chương trình đã giúp tôi tự tin học hỏi các kỹ năng mới một cách thực tế và cảm thấy mình đang thật sự tạo ra sự khác biệt với những đóng góp vào các sản phẩm hiện tại và tương lai.”

Theo ông Giridhar Jakki, Giám đốc Ngôn ngữ AI tại Viện Nghiên cứu và Phát triển Samsung Ấn Độ – Bangalore (SRI-B): “Hình thức hợp tác này mang lại lợi ích cho cả đôi bên. Nhờ vào những dự án với các trường đại học, chúng tôi có thể tiếp cận thêm nguồn nhân lực có chuyên môn và các tập dữ liệu tùy chỉnh. Đồng thời, các trường đại học đối tác sẽ nhận được nguồn đầu tư, các ưu đãi tài chính và hướng dẫn chuyên môn từ Samsung.”

Giảm thiểu rào cản ngôn ngữ

SRI-B đã hợp tác với các đội ngũ trên toàn cầu để phát triển mô hình ngôn ngữ AI cho tiếng Anh Anh, tiếng Anh Ấn Độ, tiếng Anh Úc, cũng như tiếng Thái, tiếng Việt và tiếng Indonesia. Gần đây, các kỹ sư nòng cốt từ các trung tâm nghiên cứu Samsung ở các quốc gia khác đã đến thăm Bangalore, Ấn Độ – nơi đội ngũ SRI-B nâng cấp công nghệ để đưa tiếng Việt, tiếng Thái và Indonesia vào Galaxy AI, khiến cho SRI-B là lựa chọn lý tưởng để phát triển ngôn ngữ Hindi cho Galaxy AI.

Jakki chia sẻ rằng: “Mỗi ngôn ngữ đều có những thách thức riêng. Tuy nhiên, khi nghĩ đến mục tiêu cuối cùng là giúp mọi người giao tiếp với nhau bằng nhiều ngôn ngữ khác nhau, mọi nỗ lực đều trở nên xứng đáng. Chúng tôi rất háo hức khi có thể mang tiếng Hindi đến với Galaxy AI”.

Việc phát triển mô hình AI tiếng Hindi không hề đơn giản. Đội ngũ phát triển phải đảm bảo mô hình bao quát được hơn 20 phương ngữ vùng miền, ngữ điệu, dấu câu và các cách nói thông tục khác nhau. Ngoài ra, người nói tiếng Hindi thường pha trộn các từ ngữ tiếng Anh vào trong các cuộc trò chuyện của họ. Điều này yêu cầu đội ngũ phải thực hiện nhiều vòng huấn luyện mô hình AI với sự kết hợp của dữ liệu dịch thuật và phiên âm.

Jakki giải thích: “Hindi có cấu trúc ngữ âm phức tạp bao gồm retroflex — các âm được tạo ra bằng cách uốn cong lưỡi về phía sau trong miệng — yếu tố mà các ngôn ngữ khác hầu như không có. Để xây dựng yếu tố tổng hợp giọng nói cho giải pháp AI này, chúng tôi đã cẩn thận xem xét dữ liệu với các nhà ngôn ngữ học bản địa để có thể hiểu tất cả các âm thanh độc đáo, và tạo ra một bộ âm vị đặc biệt để hỗ trợ các phương ngữ cụ thể của ngôn ngữ này”.

Những nỗ lực hợp tác giữa Samsung và các đối tác học thuật đóng vai trò then chốt trong việc phát triển thành công mô hình ngôn ngữ AI phản ánh các sắc thái văn hóa của các vùng miền ở Ấn Độ. Viện Công nghệ Vellore đã giúp thu thập gần một triệu dòng dữ liệu âm thanh được phân đoạn và tuyển chọn về lời nói hội thoại, từ vựng và mệnh lệnh. Dữ liệu là thành phần quan trọng trong nhiệm vụ vô cùng quan trọng này: tích hợp ngôn ngữ được sử dụng nhiều thứ tư trên thế giới vào Galaxy AI. Việc hợp tác với các trường đại học giúp đảm bảo rằng Samsung đang sử dụng nguồn dữ liệu chất lượng cao nhất cho quá trình phát triển. 

Tác động lớn từ việc kết nối toàn cầu 

Dự án này là minh chứng cho triết lý hợp tác cởi mở của Samsung và niềm tin của hãng rằng việc chia sẻ kiến ​​thức chuyên môn và góc nhìn sẽ mang đến những cải tiến hữu ích. Đối với SRI-B, điều này không chỉ bao gồm việc hợp tác với giới học thuật mà còn chia sẻ những hiểu biết và phương pháp tốt nhất với các trung tâm nghiên cứu Samsung khác trên toàn thế giới.

Jakki nhấn mạnh: “Tôi vô cùng tự hào về những thành tựu chúng tôi đã đạt được với sự giúp đỡ của các đối tác. Hợp tác để đổi mới sáng tạo trong lĩnh vực AI là một phần quan trọng trong chiến lược phát triển của chúng tôi. Chúng tôi sẽ tiếp tục tìm hiểu, thu thập và phân tích dữ liệu ngôn ngữ để tất cả mọi người đều có thể tiếp cận các công cụ AI trong tương lai”.

Brazil là một quốc gia đa dạng với hơn 203 triệu dân sử dụng tiếng Bồ Đào Nha Brazil làm ngôn ngữ chính thức, thể hiện nền văn hóa và truyền thống phong phú của đất nước. Trong khi đó, 22 quốc gia láng giềng lại sử dụng tiếng Tây Ban Nha Mỹ Latinh.

Mặc dù tiếng Bồ Đào Nha Brazil và tiếng Tây Ban Nha Mỹ Latinh được sử dụng rộng rãi, nhưng các biến thể phức tạp trong cả hai ngôn ngữ này đã đặt ra vô số thách thức khi dạy Galaxy AI nhận dạng và phân biệt các phương ngữ vùng miền. Do đó, Viện R&D Samsung Brazil (SRBR) hợp tác với các chuyên gia của Samsung từ Mexico và các đối tác bên thứ ba như viện khoa học và công nghệ SiDi và Sidia để xây dựng một đội ngũ đa ngành và có trình độ cao, đủ khả năng giải quyết nhiệm vụ này.

Đẩy lùi rào cản, nâng cao hiểu biết

Nhóm nghiên cứu đã sử dụng hàng nghìn nguồn tài liệu cũng như kết hợp công cụ học máy và xử lý ngôn ngữ để cải thiện khả năng nhận diện giọng nói, văn bản viết và các biến thể vùng miền của mô hình AI. Tuy nhiên, thuật ngữ địa phương và tên của những nhân vật nổi tiếng như tên các đội thể thao, người nổi tiếng và ban nhạc lại có sự khác biệt đáng kể giữa các vùng miền. Ngoài ra, cùng một ý nghĩa có thể được biểu đạt bằng nhiều từ ngữ khác nhau. Tuy các mô hình ngôn ngữ cần dữ liệu địa phương để nâng cao hiểu biết toàn diện về các ngôn ngữ khác cần dịch, những biến thể như vậy chắc chắn sẽ tạo ra nhiều trở ngại trong quá trình phát triển.

Ví dụ: ở Mexico, hồ bơi được gọi là “alberca”, nhưng ở Argentina, Paraguay và Uruguay lại là “pileta”. Trong khi đó, ở Colombia, Bolivia và Venezuela, hồ bơi được gọi là “piscina”. Brazil cũng dùng từ này nhưng có một chút khác biệt về tông giọng. Trong khi người Colombia nói “chévere” để chỉ điều gì đó thú vị thì người Mexico lại dùng “padre”.

Những khác biệt này đặt ra hàng loạt những thách thức lớn đối với việc hiểu và học ngôn ngữ của AI, nhưng nhóm nghiên cứu đã vượt qua chúng bằng cách xây dựng các mô hình ngôn ngữ lớn hơn, tinh chỉnh các công cụ xử lý, cộng tác xuyên biên giới và bất chấp sự khác biệt về múi giờ.

Mateus Pedroso, Quản lý cấp cao kiêm Giám đốc phòng thí nghiệm chất lượng phần mềm, cho biết: “Chúng tôi phải xem xét tiếng lóng địa phương và các cách nói khác nhau trước khi điều chỉnh và thử nghiệm mô hình cho phù hợp. Điều này đòi hỏi sự hợp tác chặt chẽ giữa nhóm phát triển và nhóm đảm bảo chất lượng (QA) tại SRBR. Vì múi giờ ở SRBR đi trước nhóm QA ở Mexico ba giờ và chậm hơn nhóm quản lý ở Hàn Quốc 12 giờ, nên chúng tôi phải tạo các kênh và quy trình liên lạc mới để thống nhất kết quả và chia sẻ tiến trình. Sự hợp tác đa văn hóa này đã tạo ra một loạt các ý tưởng và giải pháp cho Galaxy AI.”

Thành công trong giao tiếp

Trong dự án này, triết lý hợp tác mở của Samsung đã được hiện thực hóa thông qua một quy trình lặp lại, thúc đẩy công nghệ phát triển trên quy mô toàn cầu. Để vượt qua các rào cản về ngôn ngữ và văn hóa, nhóm SRBR cần thu thập và quản lý lượng dữ liệu khổng lồ, liên tục tinh chỉnh và cải tiến các nguồn âm thanh và văn bản.

Các nhóm làm việc đã xác định các lĩnh vực quản lý chính để đảm bảo tận dụng tối đa kỹ năng của tất cả các nhân viên tại các văn phòng của công ty ở khu vực Mỹ Latinh. Nhóm phát triển SRBR đóng vai trò trung gian của dự án, nhận chỉ đạo từ trụ sở chính của Samsung và phát triển các bản cập nhật mới để cải thiện mô hình AI đồng thời thực hiện thử nghiệm cho nhiều tình huống sử dụng khác nhau.

Leandro Flores de Moura, Quản lý nhóm phát triển phần mềm tại SiDi, chia sẻ: “Giai đoạn thử nghiệm yêu cầu giao tiếp và cộng tác rộng rãi với các nhóm QA để tối ưu hóa trải nghiệm người dùng, trong đó mỗi điều chỉnh đều cần thử nghiệm và xem xét thêm”. Nathan Castro, Nhà phát triển thử nghiệm QA tại SiDi cho biết thêm: “Khả năng ngôn ngữ vượt trội của Galaxy AI được xây dựng dựa trên giao tiếp và cộng tác chứ không chỉ chuyên môn kỹ thuật”.

Lộ trình văn hóa

Điều khiến Galaxy AI trở nên đặc biệt thú vị đối với những người tham gia trải nghiệm vì đây không chỉ đơn thuần là một dự án ngôn ngữ. Đối với họ, ngôn ngữ là một kim chỉ nam về văn hóa, cung cấp cái nhìn sâu sắc có giá trị về di sản và bản sắc của con người.

Estefanía Castro Suárez, Nhà phát triển thử nghiệm tại SiDi, cho biết thêm: “Đối với nhóm QA của SiDi, đây là nỗ lực sẽ thay đổi thế giới bằng cách kết nối các nền văn hóa với nhau và vượt qua rào cản ngôn ngữ. Chúng tôi cảm thấy tự hào và có thêm động lực khi là một phần của dự án này.”

Pedroso kết luận: “Cách nhóm SRBR phối hợp làm việc với nhau đã chứng minh cho những gì Galaxy AI hướng đến: thu hẹp khoảng cách địa lý trên thế giới thông qua giao tiếp, chia sẻ và tương tác với mọi người, ngay cả những người nói các ngôn ngữ khác nhau. Với nhiều ngôn ngữ hơn được tích hợp vào Galaxy AI, khả năng này sẽ còn tiến xa hơn nữa.”

Với nỗ lực tiên phong mang đến trải nghiệm AI cao cấp trên thiết bị di động, chúng tôi đã ghé thăm các Trung tâm Nghiên cứu của Samsung trên khắp thế giới để tìm hiểu cách Galaxy AI hỗ trợ nhiều người dùng khai phóng tiềm năng của mình hơn nữa. Galaxy AI hiện hỗ trợ 16 ngôn ngữ, mở ra cánh cửa giao tiếp không giới hạn ngay cả khi không có kết nối internet, nhờ vào các tính năng dịch thuật trên thiết bị như Phiên dịch trực tiếp, Trợ lý phiên dịch, Trợ lý Note quyền năng, và Hỗ trợ duyệt Web. Nhưng để đạt được những thành tựu ấn tượng đó, quá trình phát triển ngôn ngữ AI đòi hỏi những yếu tố nào? Trong phần trước, chúng ta đã đến thăm Việt Nam để tìm hiểu về quá trình chuẩn bị dữ liệu để đào tạo các mô hình AI. Tiếp nối hành trình này, chúng ta sẽ khám phá cách các đội ngũ chuyên gia tại Samsung đã mang đến trải nghiệm Galaxy AI độc đáo nhằm chinh phục cả thị trường Trung Quốc đại lục và Hồng Kông.

Sự phát triển nhanh chóng của các công cụ AI sử dụng những mô hình ngôn ngữ lớn (LLM) đang lan rộng trên toàn thế giới và Trung Quốc cũng không phải là ngoại lệ. Với sự ra mắt của ERNIE Bot của Baidu và MiracleVision của Meitu, Trung tâm R&D của Samsung tại Trung Quốc đã hợp tác với cả hai công ty này để phát triển các tính năng Galaxy AI dành riêng cho thị trường trong nước.

Trung tâm R&D của Samsung tại Quảng Châu (SRC-G) và Bắc Kinh (SRC-B) đã nỗ lực không ngừng để đảm bảo người dùng nói tiếng Quan Thoại ở Trung Quốc có thể tiếp cận trải nghiệm Galaxy AI như mọi người dùng khác trên toàn cầu, bất chấp sự khác biệt về công nghệ nền tảng. Bằng cách tận dụng nguồn dữ liệu chuyên sâu về các phương ngữ tiếng Trung từ đối tác, đội ngũ đã xây dựng thành công một giải pháp Galaxy AI độc đáo cho thị trường Trung Quốc.

Hairong Zhang, Giám đốc nhóm Phát triển Phần mềm tại SRC-G, cho biết: “Chúng tôi sở hữu lợi thế riêng biệt khi kết hợp những phương pháp tối ưu trên toàn cầu với văn hóa địa phương của Trung Quốc, đồng thời tạo nên các tính năng mới và không ngừng cải tiến chúng thông qua giao tiếp hàng ngày với người tiêu dùng Trung Quốc. Với kinh nghiệm dày dặn tích lũy từ quá trình phát triển Galaxy S24, tôi tự hào về cách đội ngũ của chúng tôi đã hợp tác với các công ty AI địa phương của Trung Quốc như Baidu và Meitu để tạo nên một giải pháp AI trên thiết bị di động đột phá, được đón nhận tích cực ở Trung Quốc”.

Từ ban đầu, các nhóm phải dành thời gian để làm quen với cách làm việc của nhau và giải quyết những bất đồng ban đầu do sự khác biệt về thông tin. Daijun Zhang, Giám Đốc SRC-B, đã thành lập một nhóm đặc nhiệm để đảm bảo dự án tuân theo tiến độ phát triển và nhanh chóng đạt được các mục tiêu đề ra. 

Nhờ kinh nghiệm của đội ngũ Bắc Kinh trong việc tạo ra các mô hình quy mô lớn và sự hợp tác thành công với các đối tác bên thứ ba, tất cả các tính năng AI tạo sinh đã được ra mắt thành công ở Trung Quốc, tạo ra một giải pháp phù hợp với thị trường như tính năng Chạm để tìm kiếm (Touch to Search).

Phát triển phương ngữ Quảng Đông dựa trên tiếng Quan Thoại

Tiếng Trung Quốc phổ thông (Quan Thoại), đã được tích hợp thành công vào Galaxy AI khi Galaxy S24 ra mắt vào tháng 1 năm 2024. Tuy nhiên, công việc của Trung tâm Samsung R&D tại Trung Quốc vẫn chưa hoàn tất. Đội ngũ tiếp tục đảm nhận công việc đầy thách thức: phát triển mô hình AI cho tiếng Trung Quốc tại Hồng Kông (tiếng Quảng Đông), một phương ngữ có gốc từ tiếng Quan Thoại nhưng lại sở hữu những đặc trưng ngôn ngữ độc đáo và khác biệt.

Trong quá trình phát triển mô hình AI tiếng Quảng Đông, đội ngũ R&D tại Trung Quốc đã phải đối mặt với những rào cản văn hóa đáng kể. Thách thức đầu tiên đến từ sự tồn tại của hai hệ thống chữ viết và nói riêng biệt. Người dân Hồng Kông sử dụng ngữ pháp và cách diễn đạt tương đồng với tiếng Quan Thoại khi viết, nhưng lại chuyển sang một hệ thống ngữ pháp hoàn toàn khác trong giao tiếp hàng ngày. Bên cạnh đó, tiếng Quảng Đông có hệ thống âm điệu phức tạp với chín thanh, trong khi tiếng Quan Thoại chỉ có bốn.

Một yếu tố văn hóa khác cũng cần lưu ý là sự phát triển của tiếng Quảng Đông theo thời gian. Người dân Hồng Kông thường kết hợp tiếng Quảng Đông với tiếng Anh trong giao tiếp, khiến việc xây dựng các trường hợp thử nghiệm và xác nhận các gói ngôn ngữ trở nên phức tạp hơn.

Jing Li, người dẫn đầu hoạt động thử nghiệm giải pháp AI tiếng Quảng Đông, cho biết: “Tiếng Quảng Đông là một phương ngữ đặc sắc với sự đa dạng về biến thể vùng miền. Từ tiếng lóng, cụm từ, từ vựng đến ngữ điệu đều có thể khác biệt đáng kể giữa các khu vực. Do đó, để đảm bảo tính chính xác và phù hợp với thị trường Hồng Kông, đội ngũ đã tiến hành một quá trình xác minh dữ liệu quy mô lớn, bao gồm việc kiểm tra hàng chục nghìn trường hợp thử nghiệm liên quan”.

Nhận thức được sự phức tạp này, SRC-G và SRC-B đã hợp tác chặt chẽ để phát triển một mã code kết hợp chuyên sâu giữa tiếng Quảng Đông và tiếng Anh, để không chỉ nâng cao khả năng nhận diện giọng nói mà còn hỗ trợ cả văn viết và nói trong dịch máy, đồng thời phản ánh chính xác cách phát âm hiện tại trong quá trình tổng hợp giọng nói.

Tác động văn hóa của việc giao tiếp

Khi Galaxy AI ra mắt với ngôn ngữ Trung Quốc (Hồng Kông), sự đón nhận nồng nhiệt của người dùng là minh chứng rõ nét cho những nỗ lực không ngừng nghỉ của đội ngũ tại Trung tâm Samsung R&D.

Thành công của Galaxy AI tại Trung Quốc đại lục và Hồng Kông chứng minh rằng, một thương hiệu toàn cầu như Samsung cần phải am hiểu văn hóa và ngôn ngữ địa phương cũng như hợp tác với các tổ chức khác để phát triển sản phẩm phù hợp. Đặc biệt, ở Hồng Kông, tiếng Quảng Đông không chỉ là ngôn ngữ giao tiếp mà còn là một phần không thể thiếu trong bản sắc văn hóa của người dân. Chính vì vậy, việc phát triển một mô hình ngôn ngữ AI chính xác và phù hợp với tiếng Quảng Đông là rất quan trọng.

Henry Wat, người đứng đầu nhóm kỹ thuật tại Samsung Electronics Hồng Kông, chia sẻ rằng: “Ngôn ngữ và giao tiếp đóng vai trò then chốt ở mọi khu vực và trong mọi lĩnh vực của cuộc sống. Bất kể ngôn ngữ nào hay công cụ nào có thể giúp mọi người giao tiếp đều có giá trị vô cùng to lớn. Tôi tin rằng công việc của chúng tôi đã góp phần mang lại những giá trị ý nghĩa cho cộng đồng.”

Trong phần tiếp theo của Hành Trình Tri Thức, chúng ta sẽ đến với Brazil để khám phá cách đội ngũ tại đây làm việc xuyên văn hóa và biên giới để mang Galaxy AI đến với người dùng.

Samsung luôn tiên phong mang đến những trải nghiệm AI cao cấp trên thiết bị di động. Để hiểu rõ hơn về cách Galaxy AI giúp người dùng khai thác tối đa tiềm năng của mình, hãy cùng chúng tôi đến thăm các trung tâm nghiên cứu của Samsung trên toàn thế giới. Galaxy AI hiện hỗ trợ 16 ngôn ngữ, cho phép nhiều người dùng mở rộng khả năng ngôn ngữ của họ ngay cả khi không có kết nối internet, nhờ vào các tính năng dịch thuật trên thiết bị như Phiên dịch trực tiếp, Trợ lý phiên dịch, Trợ lý Note quyền năng, Hỗ trợ duyệt Web. Chúng ta đã tìm hiểu về quá trình phát triển phức tạp của mô hình AI dành cho tiếng Ả Rập, một ngôn ngữ với nhiều phương ngữ khác nhau tại Jordan. Trong chuyến đi này, chúng ta sẽ đến với Việt Nam để khám phá cách chuẩn bị dữ liệu để huấn luyện các mô hình AI. 

Sự khác biệt giữa các từ “ma”, “mả” và “má” trong tiếng Việt là gì? Đối với 97 triệu người trên toàn thế giới sử dụng ngôn ngữ này, ba từ này có thể không quá khác biệt. Các từ “ma”, “mả” và “má” chỉ có thể được phân biệt bằng âm điệu. Điều này minh họa mức độ khó khăn mà các mô hình AI gặp phải khi học một ngôn ngữ, vì chúng không thể nhận thức trực tiếp ngữ cảnh và cảm xúc của các cuộc trò chuyện hay ý định của người nói. 

Viện Nghiên cứu và Phát triển Samsung tại Việt Nam (SRV) đã sử dụng dữ liệu được tinh chỉnh kỹ lưỡng để giúp mô hình AI của mình nhận diện chính xác ngay cả những khác biệt nhỏ nhất trong ngôn ngữ.

Chất lượng dữ liệu sử dụng ảnh hưởng trực tiếp đến độ chính xác của khả năng Nhận diện giọng nói tự động (ASR), Dịch máy bằng nơ-ron (NMT) và Chuyển đổi văn bản thành giọng nói (TTS) – 3 quy trình hỗ trợ các tính năng Galaxy AI trong việc phá vỡ rào cản ngôn ngữ như Phiên dịch trực tiếp, Trợ lý phiên dịch, Trợ lý Chat thông minh và Hỗ trợ duyệt Web.

Cơn bão thách thức

Anh Ngô Hồng Thái, trưởng nhóm NMT tại SRV cho biết: “Tiếng Việt là một ngôn ngữ phức tạp và đa dạng với nhiều biểu đạt phong phú, nhiều trong số đó rất khó để nắm bắt”. Trong số 16 ngôn ngữ mà Galaxy AI hỗ trợ, tiếng Việt là một trong số các ngôn ngữ đặc biệt khó phát triển.

“Cá nhân tôi thấy rằng việc tạo ra một mô hình AI cho người Việt còn khó khăn hơn việc đối phó với những cơn bão!”, anh Thái chia sẻ trước khi giải thích những khó khăn gặp phải trong quá trình phát triển.

Tiếng Việt là một ngôn ngữ đầy sắc thái với sáu thanh điệu khác nhau. Từ “ma” là một ví dụ cho điều này, chỉ một thay đổi nhỏ trong âm điệu cũng có thể làm thay đổi hoàn toàn ý nghĩa của từ. Chính vì vậy, việc tiếp cận và xử lý ngôn ngữ này đòi hỏi sự tỉ mỉ và chi tiết đến từng chi tiết nhỏ nhất.

Anh Bùi Ngọc Tùng, trưởng nhóm ASR tại SRV cho biết: “Khi phân tích những từ có âm tương tự, chúng tôi nhận thấy một từ được cấu tạo từ nhiều bộ phận nhỏ, hay còn gọi là ‘bộ khung từ’. Mô hình AI của chúng tôi sẽ phân biệt các khung từ ngắn chỉ khoảng 20 mili giây để xác định xem từ nào tương ứng với chuỗi khung liên tiếp. Do đó, việc đầu tư công sức vào giai đoạn đầu của quá trình huấn luyện AI là vô cùng quan trọng”.

Thách thức chưa dừng lại ở đó, Tiếng Việt còn nổi tiếng với sự phong phú của từ đồng âm và đồng nghĩa. Trong giao tiếp hàng ngày, chúng ta thường dựa vào ngữ cảnh và cả những yếu tố phi ngôn ngữ để phân biệt các từ có âm hoặc cách viết giống nhau nhưng nghĩa hoàn toàn khác biệt. Tuy nhiên, để mô hình AI có thể làm được điều này, chúng cần được huấn luyện để nhận diện chính xác và phân biệt các âm điệu cũng như những từ dễ gây nhầm lẫn.

Anh Thái giải thích thêm: “Đây không phải là một nhiệm vụ dễ dàng vì ngoài số lượng, dữ liệu cần phải thật chính xác để đảm bảo mô hình AI có thể nhận diện các sắc thái tinh tế tồn tại trong ngôn ngữ tiếng Việt.”

Khâu chuẩn bị kỹ lưỡng

Quá trình sàng lọc dữ liệu để tạo nên mô hình AI bao gồm ba bước chính. Đầu tiên, mỗi âm thanh và văn bản dùng để huấn luyện AI đều được xem xét và hiệu chỉnh cẩn thận. Sau đó, tập dữ liệu này trải qua quá trình kiểm tra ngẫu nhiên để đánh giá chất lượng tổng thể. Cuối cùng, tập dữ liệu sẽ được chuẩn hóa và tinh chỉnh trước khi sử dụng cho quá trình huấn luyện.

Anh Nguyễn Mạnh Duy, trưởng nhóm TTS tại SRV, người giám sát việc tạo cơ sở dữ liệu, cho biết: “Chúng tôi đã thực hiện rất nhiều thử nghiệm để đảm bảo độ chính xác của dữ liệu. Quá trình này không hề dễ dàng, chúng tôi phải đối mặt với nhiều thử thách như lỗi chính tả trong văn bản, tiếng ồn xung quanh hay phát âm sai trong các bản ghi âm. Dù vậy, chúng tôi đã không ngừng nỗ lực để tinh chỉnh và hoàn thiện dữ liệu huấn luyện AI mỗi ngày”.

Quá trình sàng lọc và hành trình nâng tầm dữ liệu AI còn có một phần không thể tách rời, đó là công việc được thực hiện bởi nhóm kiểm thử (SQE) tại SRV. Nhóm đóng vai trò quan trọng trong việc thử nghiệm và cải thiện chất lượng dữ liệu ngôn ngữ AI thông qua sự phối hợp chặt chẽ với nhóm dự án phát triển ngôn ngữ AI.

“Bên cạnh những đặc thù ngôn ngữ phức tạp của tiếng Việt, chúng tôi còn đối mặt với với việc thiếu nguồn dữ liệu chất lượng cao”. Anh Mạnh cho biết thêm: “Chính vì vậy, giai đoạn tinh chỉnh dữ liệu trở nên vô cùng quan trọng. Với nguồn dữ liệu hạn chế, mỗi điểm dữ liệu đều phải tuyệt đối chính xác. Chúng tôi không cho phép bất kỳ sai sót nào xảy ra.”

Hơn nữa, mô hình AI cho Tiếng Việt phải xem xét cả sự khác biệt về dấu và vùng miền. Để cải thiện độ chính xác của mô hình AI, nhóm nghiên cứu đã thu thập lượng lớn dữ liệu với giọng nói của ba miền Bắc, Trung và Nam — dẫn đến một khối lượng thông tin khổng lồ cần tinh chỉnh và xác minh.

Nỗ lực cải tiến không ngừng

Sau nhiều tháng miệt mài nghiên cứu và phát triển, các chuyên gia tại SRV đã đưa tiếng Việt trở thành một trong những ngôn ngữ đầu tiên được Galaxy AI hỗ trợ. Dù đạt được một cột mốc đáng tự hào, nhóm vẫn không ngừng nỗ lực cải thiện trải nghiệm Galaxy AI bằng tiếng Việt.

Anh Trần Tuấn Minh, lãnh đạo dự án phát triển ngôn ngữ AI tại SRV cho biết: “Chúng tôi hiện đang tiếp tục nâng cao mô hình AI bằng cách tích hợp phản hồi của người dùng về mức độ liên quan của các từ và cụm từ trong Galaxy AI. Chúng tôi chỉ mới bắt đầu với những bước đầu tiên tiến vào một thế giới rộng mở hơn — và chúng tôi vẫn còn rất nhiều điều nữa để cùng nhau khám phá.”

Trong phần tiếp theo của Hành Trình Tri Thức, chúng ta sẽ đến với đất nước Trung Quốc để tìm hiểu cách các mô hình AI được huấn luyện và tinh chỉnh.

Việc huấn luyện AI là một thách thức không hề đơn giản, nhưng quá trình này sẽ thay đổi như thế nào khi phát triển hệ thống ngôn ngữ với nhiều phương ngữ khác nhau? Đó chính là bài toán khó mà đội ngũ tại Viện Nghiên cứu & Phát triển Samsung tại Jordan (SRJO) phải đối mặt. Khi tiếng Ả Rập được thêm vào danh sách các ngôn ngữ được hỗ trợ cho các tính năng Galaxy AI như Phiên dịch Trực tiếp, đội ngũ SRJO đã phải đảm bảo rằng các tính năng dịch có thể thích ứng với sự phong phú và đa dạng của hàng chục phương ngữ khác nhau trải dài khắp khu vực Trung Đông và Bắc Phi. Trong đó, mỗi phương ngữ đều có sự khác biệt về cách phát âm, từ vựng và ngữ pháp.

Tiếng Ả Rập là một trong sáu ngôn ngữ được sử dụng rộng rãi nhất trên thế giới với hơn 400 triệu người sử dụng hàng ngày[1].  Ngôn ngữ này được chia thành hai thể phổ biến: Fus’ha (tiếng Ả Rập chuẩn hiện đại) và Ammiya (các phương ngữ của tiếng Ả Rập). Fus’ha thường được sử dụng trong các sự kiện chính thức, các bản tin thời sự hoặc văn bản quan trọng. Trong khi đó, Ammiya được sử dụng trong những cuộc trò chuyện hàng ngày. Hiện nay, có hơn 20 quốc gia sử dụng tiếng Ả Rập và khoảng 30 phương ngữ trong khu vực.

Những quy tắc bất thành văn

Nhận thức được sự phong phú của các phương ngữ, nhóm nghiên cứu tại SRJO đã sử dụng một loạt các kỹ thuật để phân tích và xử lý các đặc điểm ngôn ngữ độc đáo trong từng vùng miền. Cách tiếp cận này rất quan trọng để đảm bảo Galaxy AI có thể hiểu và phản hồi một cách chính xác, phản ánh đúng các nét đặc trưng của khu vực.

Mohammad Hamdan, trưởng nhóm phát triển ngôn ngữ Ả Rập, cho biết: “Không giống với các ngôn ngữ khác, cách phát âm của tân ngữ trong tiếng Ả Rập thay đổi tùy thuộc vào chủ ngữ và động từ trong câu. Mục tiêu của chúng tôi là phát triển một mô hình có thể hiểu được tất cả các phương ngữ này và trả lời một cách tự nhiên bằng tiếng Ả Rập chuẩn.”

Công nghệ chuyển đổi giọng nói thành văn bản (TTS) trong tính năng Phiên dịch Trực Tiếp của Galaxy AI cho phép người dùng tương tác với người nói ngôn ngữ khác bằng cách dịch lời nói thành văn bản, sau đó tái tạo lại bằng giọng nói. Trong quá trình này, đội ngũ TTS đã phải đối mặt với một thách thức đặc biệt do tính đặc thù của tiếng Ả Rập.

Tiếng Ả Rập sử dụng dấu phụ, một loại ký hiệu chỉ cách phát âm trong một số ngữ cảnh nhất định, chẳng hạn như kinh sách tôn giáo, thơ ca và sách giáo khoa. Mặc dù người bản xứ hiểu rõ các dấu phụ này, nhưng chúng lại không xuất hiện trong văn viết hàng ngày. Điều này gây khó khăn cho máy tính trong việc chuyển đổi văn bản thô thành âm vị – những đơn vị âm thanh cơ bản cấu thành nên lời nói.

Haweeleh giải thích: “Hiện nay, chúng ta đang thiếu hụt những bộ dữ liệu chất lượng cao và đáng tin cậy để phản ánh chính xác cách sử dụng dấu phụ trong tiếng Ả Rập. Chính vì vậy, đội ngũ của chúng tôi đã phải thiết kế một mô hình Nơ-ron có khả năng dự đoán và khôi phục những dấu phụ còn thiếu với độ chính xác cao.”

Mô hình Nơ-ron này hoạt động tương tự như bộ não con người. Để dự đoán dấu phụ, mô hình cần nghiên cứu một lượng lớn văn bản tiếng Ả Rập, học các quy tắc ngôn ngữ và cách sử dụng từ trong các ngữ cảnh khác nhau. Ví dụ, cách phát âm của một từ có thể thay đổi rất nhiều tùy theo hành động hay giới tính mà nó mô tả. Nhờ quá trình đào tạo chuyên sâu của đội ngũ, mô hình TTS dành cho tiếng Ả Rập đã được cải thiện đáng kể về độ chính xác.

Nâng tầm thấu hiểu

Nhằm giúp người dùng giao tiếp dễ dàng hơn, đội ngũ SRJO đã nỗ lực không ngừng nghỉ để thu nhập vô số đoạn ghi âm các phương ngữ từ khắp nơi, sau đó tỉ mỉ chuyển đổi chúng thành văn bản, tập trung vào từng âm thanh, từ ngữ và cụm từ độc đáo. Ayah Hasan, người chịu trách nhiệm tạo cơ sở dữ liệu cho biết: “Chúng tôi đã tập hợp một đội ngũ người địa phương thông thạo các phương ngữ, cũng như hiểu rõ các sắc thái và biến thể của chúng để hỗ trợ quá trình này. Họ đã nghe lại các đoạn ghi âm và chuyển đổi chúng thành văn bản.”

Công việc này rất quan trọng để cải thiện quy trình Nhận diện giọng nói tự động (ASR) nhằm giúp Galaxy AI xử lý được nhiều phương ngữ tiếng Ả Rập. ASR có vai trò then chốt trong việc kích hoạt khả năng hiểu và phản hồi theo thời gian thực cho Galaxy AI.

Mohammad Hamdan, Giám đốc dự án ASR cho biết: “Xây dựng một hệ thống ASR hỗ trợ nhiều phương ngữ trong một mô hình duy nhất là một công việc khó khăn, đòi hỏi hiểu biết kỹ lưỡng về sự phức tạp của ngôn ngữ, lựa chọn dữ liệu cẩn thận và các kỹ thuật mô hình hóa tiên tiến.”

Đỉnh cao của sự đổi mới

Sau nhiều tháng chuẩn bị kỹ lưỡng, nhóm nghiên cứu đã chính thức ra mắt phiên bản tiếng Ả Rập cho Galaxy AI. Việc bổ sung ngôn ngữ mới này giúp phá vỡ rào cản ngôn ngữ, cho phép nhiều người trên khắp thế giới kết nối và giao tiếp với nhau hơn thông qua Galaxy AI. Nhóm nghiên cứu đã nỗ lực không ngừng để Galaxy AI trở nên thân thiện và dễ sử dụng hơn với người sử dụng tiếng Ả Rập, xóa bỏ những khác biệt về ngôn ngữ và văn hóa. Đồng thời, họ cũng phát triển những phương pháp mới hiệu quả, có thể áp dụng rộng rãi trên toàn cầu. Tuy nhiên, đây mới chỉ là bước khởi đầu. Nhóm nghiên cứu vẫn đang tiếp tục cải tiến các mô hình, nâng cao chất lượng và khả năng ngôn ngữ của Galaxy AI để mang đến trải nghiệm tốt hơn nữa cho người dùng.

Trong phần tiếp theo của Hành trình tri thức, chúng ta sẽ dừng chân tại Việt Nam để khám phá cách đội ngũ tại đây cải thiện dữ liệu ngôn ngữ. Ngoài ra, chúng ta sẽ tìm hiểu thêm về các yếu tố cần thiết để đào tạo một mô hình AI hiệu quả.

Tiếng Ả Rập chỉ là một trong số các ngôn ngữ và phương ngữ mới được Galaxy AI hỗ trợ và hiện có thể được tải xuống từ ứng dụng Cài đặt. Các tính năng ngôn ngữ của Galaxy AI như Phiên Dịch trực tiếp và Trợ lý Phiên dịch hiện khả dụng trên các thiết bị Galaxy chạy bản cập nhật One UI 6.1 của Samsung.[2]

[1] UNESCO, Ngày Ngôn ngữ Ả Rập Thế giới năm 2023, https://www.unesco.org/en/world-arabic-language-day

[2] One UI 6.1 lần đầu tiên được phát hành trên các thiết bị Galaxy S24 series và triển khai rộng rãi đến các thiết bị Galaxy khác bao gồm S23 series, S23 FE, S22 series, S21 series, Z Fold5, Z Fold4, Z Fold3, Z Flip5, Z Flip4, Z Flip3, Tab S9 series và Tab S8 series

Đồng hành cùng quá trình tiên phong tạo ra những trải nghiệm AI trên thiết bị di động cao cấp của Samsung, chúng tôi đã đến tham quan các trung tâm Nghiên cứu của Samsung trên khắp thế giới để tìm hiểu cách Galaxy AI giúp nhiều người dùng khai thác tối đa tiềm năng của họ hơn nữa. Galaxy AI hiện hỗ trợ đến 16 ngôn ngữ, giúp người dùng mở rộng khả năng ngôn ngữ của mình ngay cả khi ngoại tuyến nhờ vào các tính năng phiên dịch trên thiết bị như Phiên dịch trực tiếp, Trợ lý Phiên dịch, Trợ lý Note quyền năng và Trình duyệt thông minh. Nhưng việc phát triển ngôn ngữ cho AI đòi hòi những yếu tố gì? Series này sẽ khám phá những thách thức trong quá trình phát triển AI trên thiết bị di động và cách họ vượt qua những khó khăn này. Đầu tiên, chúng tôi đã đặt chân đến đất nước Indonesia để tìm hiểu cách các nhà nghiên cứu huấn luyện AI học một ngôn ngữ mới.

Theo nhóm nghiên cứu tại Trung tâm Nghiên cứu & Phát Triển (R&D) của Samsung tại Indonesia (SRIN), thiết lập mục tiêu rõ ràng là bước đầu tiên trong quá trình này. Junaidillah Fadlil, Giám đốc Bộ phận AI tại SRIN, và nhóm của mình gần đây đã bổ sung tiếng Indonesia vào hệ thống các ngôn ngữ được hỗ trợ của Galaxy AI, cho biết, “Một mô hình AI xuất sắc yêu cầu nguồn dữ liệu chất lượng và phù hợp. Mỗi ngôn ngữ đòi hỏi cách giải quyết vấn đề khác nhau, vì vậy chúng tôi đã nỗ lực tìm hiểu sâu hơn về nhu cầu ngôn ngữ và nét văn hóa độc đáo của đất nước. Việc phát triển ngôn ngữ địa phương cần được dẫn dắt bởi sự hiểu biết sâu sắc và khoa học. Do đó, bổ sung ngôn ngữ mới vào Galaxy AI cũng bắt đầu bằng việc lên kế hoạch về những thông tin cần thiết và cách thu nhập dữ liệu tuân thủ theo đúng pháp luật và nguyên tắc đạo đức.” 

Các tính năng của Galaxy AI như Phiên dịch trực tiếp đều thực hiện ba quy trình cốt lõi: Nhận diện giọng nói tự động (ASR), Dịch máy bằng nơ-ron (NMT) và Chuyển văn bản thành giọng nói (TTS). Mỗi quá trình đều yêu cầu một bộ thông tin riêng biệt.

Ví dụ, quy trình Nhận diện giọng nói tự động (ASR) yêu cầu rất nhiều bản ghi âm giọng nói trong nhiều môi trường khác nhau, mỗi bản ghi âm đều đi kèm với một bản phiên âm văn bản chính xác. Việc sử dụng nhiều mức độ tiếng ồn xung quanh cũng giúp AI thích ứng với các môi trường khác nhau. Manylisin Adi Saputra, trưởng nhóm ASR giải thích: “Bản ghi âm không chỉ cần thêm vào tiếng ồn xung quanh. Ngoài dữ liệu ngôn ngữ mà chúng tôi thu thập từ các đối tác được ủy quyền, chúng tôi cũng ghi âm giọng nói của chính mình ở các quán cà phê hoặc môi trường làm việc để ghi lại những âm thanh độc đáo trong cuộc sống một cách chân thực, như tiếng mọi người gọi tên nhau hay tiếng gõ bàn phím.”

Ngoài ra, bản chất luôn thay đổi của ngôn ngữ cũng cần được chú trọng. Saputra đề cập: “Chúng tôi phải luôn cập nhật các thuật ngữ mới, tiếng lóng và cách sử dụng chúng, và phần lớn chúng tôi tìm thấy những từ ngữ này trên mạng xã hội!”

Tiếp theo, quy trình Dịch máy bằng nơ-ron (NMT ) yêu cầu dữ liệu huấn luyện dịch thuật. Muhamad Faisal, trưởng nhóm NMT cho biết: “Phiên dịch tiếng Indonesia là một thách thức rất lớn. Ngôn ngữ này sử dụng rộng rãi các ý nghĩa dựa trên ngữ cảnh và ẩn ý tùy thuộc vào các tình huống khác nhau. Vì vậy, chúng tôi cần các văn bản dịch sẵn mà AI có thể tham khảo và học hỏi các từ mới, từ mượn, tên riêng hay thành ngữ – và bất kỳ thông tin nào có thể giúp AI hiểu rõ bối cảnh và quy tắc giao tiếp”.

Cuối cùng, quy trình Chuyển văn bản thành giọng nói (TTS) yêu cầu các bản ghi âm với nhiều loại giọng nói và ngữ điệu, cùng các ngữ cảnh bổ sung về cách phát âm các từ ngữ trong những tình huống khác nhau. Harits Abdurrohman, trưởng nhóm TTS bổ sung: “Việc sở hữu các bản ghi âm giọng nói chất lượng có thể hoàn thành nửa công việc của chúng tôi và nó sẽ bao gồm tất cả các âm vị (đơn vị âm thanh trong lời nói) cần thiết cho mô hình AI. Nếu một diễn viên lồng tiếng đã làm tốt công việc ở giai đoạn trước, thì trọng tâm sẽ chuyển sang qua trình tinh chỉnh mô hình AI để phát âm rõ ràng các từ cụ thể.”

Cùng nhau phát triển mạnh mẽ 

Để lên kế hoạch chuẩn bị cho khối lượng dữ liệu khổng lồ, SRIN đã hợp tác chặt chẽ với các chuyên gia ngôn ngữ học. Fadlil chia sẻ: “Thử thách này đòi hỏi sự sáng tạo, tính linh hoạt và chuyên môn sâu sắc trong cả tiếng Indonesia và học máy (Machine Learning). Triết lý hợp tác cởi mở của Samsung đóng vai trò quan trọng trong việc hoàn thành công việc này, bên cạnh quy mô hoạt động và lịch sử phát triển AI của chúng tôi.”

Quan hệ hợp tác với các trung tâm Nghiên cứu khác của Samsung trên khắp thế giới đã giúp nhóm SRIN có thể nhanh chóng áp dụng các phương pháp tốt nhất và vượt qua trở ngại phức tạp khi thiết lập các mục tiêu dữ liệu. Hơn nữa, điều này không chỉ mang lại lợi ích trong việc thúc đẩy sự phát triển của công nghệ mà còn cả văn hóa. Khi nhóm SRIN tham gia cùng các đối tác tại Bangalore, Ấn Độ, họ đã quan sát các phong tục về ăn uống của người địa phương, tạo ra những kết nối sâu sắc hơn và mở rộng hiểu biết về các nền văn hóa khác nhau.

Với nhóm nghiên cứu, việc mở rộng ngôn ngữ cho Galaxy AI mang một ý nghĩa vô cùng quan trọng. Fadlil chia sẻ: “Chúng tôi vô cùng tự hào về về những thành tựu ở thời điểm hiện tại vì đây là dự án AI đầu tiên của nhóm, và đây chỉ là bước khởi đầu. Chúng tôi sẽ tiếp tục cải tiến các mô hình của chúng tôi để nâng cao chất lượng trải nghiệm cho người dùng. Sự phát triển này không chỉ thể hiện giá trị cởi mở của Samsung mà còn thể hiện sự tôn trọng và tôn vinh bản sắc văn hóa của người dùng thông qua ngôn ngữ.”

Trong tập tiếp theo của Hành trình tri thức, chúng tôi sẽ khám phá Trung tâm R&D của Samsung tại Jordan để trò chuyện cùng nhóm phụ trách dự án bổ sung tiếng Ả Rập cho Galaxy AI. Hãy theo dõi để tìm hiểu về những thác thức của việc xây dựng và huấn luyện mô hình AI cho một ngôn ngữ với nhiều phương ngữ đa dạng.

Trong quá trình phát triển, Samsung Research đã kết hợp kho dữ liệu khổng lồ với công nghệ tiên tiến của hãng. Cùng với Bộ phận Nghiên cứu & Phát triển (R&D) của Ngành hàng Trải nghiệm Di động (MX), họ đã tinh chỉnh và nâng cấp công nghệ này nhằm phát triển các tính năng dịch thuật bằng AI trên thiết bị, có thể được sử dụng để dịch thuật theo thời gian thực trong cuộc gọi và trên nhiều ứng dụng khác.. Để khám phá sâu hơn về những tính năng đầy triển vọng này, Samsung Newsroom đã có cuộc trò chuyện với Yoonjung Choi và Yonghyun Ryu từ Trung tâm AI Toàn cầu của Samsung Research.

▲ (Từ trái) Yoonjung Choi và Yonghyun Ryu đến từ Trung tâm AI Toàn cầu của Samsung Research

Giao tiếp liền mạch và bảo mật mạnh mẽ với AI trên thiết bị

Việc tích hợp AI trên thiết bị đã mang đến sự đột phá cho các tính năng Trợ lý phiên dịch và Phiên dịch trực tiếp của Galaxy AI đã được giới thiệu tới người dùng qua Galaxy S24 series ra mắt đầu năm nay. Nhờ sức mạnh tính toán mạnh mẽ được tích hợp sẵn trong thiết bị, các sản phẩm điện thoại thông minh được trang bị AI trên thiết bị có thể cung cấp dịch vụ trực tiếp mà không cần phải phụ thuộc vào máy chủ hay điện toán đám mây. Vì vậy, người dùng có thể yên tâm rằng dữ liệu của họ sẽ được bảo mật tuyệt đối vì thông tin sẽ không được chia sẻ với bên ngoài.

Trung tâm AI Toàn cầu của Samsung Research đã đóng góp vào việc tích hợp công nghệ độc quyền vào mô hình dịch thuật AI nhằm thương mại hóa các tính năng này để sử dụng rộng rãi.

Trong quá trình xây dựng một loạt các ứng dụng rộng rãi, nhóm Samsung Research và Phòng R&D Ngành hàng MX đã thu thập một lượng dữ liệu khổng lồ. Yoonjung Choi, Giám đốc dự án, giải thích: “Chúng tôi đã thu thập dữ liệu từ các cuộc đối thoại thông thường để phục vụ cho việc phiên dịch theo thời gian thực trong các cuộc gọi với tính năng Phiên Dịch Trực tiếp, cũng như các dữ liệu liên quan đến du lịch để hỗ trợ tính năng Trợ lý phiên dịch. Nhằm cung cấp bản dịch chính xác nhất, chúng tôi đã nghiên cứu và tích hợp ngôn ngữ phổ thông được sử dụng trong các cuộc trò chuyện trực tuyến và các thẻ HTML thường được sử dụng trong trình duyệt web.”

▲ Các tình huống sử dụng tính năng dịch AI trên thiết bị bao gồm ① Phiên dịch trực tiếp, ② Dịch tin nhắn văn bản và hội thoại, ③ Dịch ghi chú trong Samsung Notes và ④ Dịch trình duyệt web.

Cách Samsung Research huấn luyện mô hình AI

Đội ngũ Samsung Research đã phát triển mô hình dịch thuật AI dựa trên công nghệ học sâu, có khả năng tự học hỏi và cải thiện từ chính dữ liệu của nó. Yonghyun Ryu, người chịu trách nhiệm về việc nghiên cứu và phát triển AI, đã so sánh quá trình này như việc nuôi dạy một đứa trẻ. Ông mô tả: “Tương tự như cách một đứa trẻ cần có sự giáo dục xuất sắc và người chăm sóc tận tình để trưởng thành và phát triển toàn diện, việc xây dựng mô hình dịch thuật AI hiệu suất cao cũng đòi hỏi nguồn dữ liệu ngôn ngữ chất lượng và đội ngũ nhà nghiên cứu tài năng”.

Samsung Research đã tạo dựng sự đột phá trong lĩnh vực dịch thuật AI nhờ sự kết hợp hoàn hảo giữa hai yếu tố trên. Kể từ năm 2013, Samsung đã cung cấp dịch vụ dịch thuật nội bộ, tiến hành nghiên cứu và phát triển liên quan đến dịch thuật AI và tích lũy dữ liệu chất lượng cao.

Đội ngũ chuyên gia về mô hình học sâu của Samsung Research đóng vai trò rất quan trọng trong việc huấn luyện mô hình AI. Ông giải thích: “Nếu xảy ra lỗi dịch thuật trong quá trình nghiên cứu và phát triển thì cần xác định vấn đề và tiến hành cải thiện. Tuy nhiên, điều này là một thách thức và đòi hỏi cần có nhiều thời gian đối với các nhà nghiên cứu không có đủ khả năng và kinh nghiệm. Các nhà nghiên cứu của chúng tôi đã sử dụng chuyên môn và kinh nghiệm của họ để nhanh chóng phân tích nguyên nhân của vấn đề và đưa ra giải pháp nhằm nâng cao mô hình dịch thuật AI”.

▲ Yonghyun Ryu thuộc Trung tâm AI toàn cầu của Samsung Research

Để đánh giá hiệu suất dịch thuật của Galaxy AI, Samsung Research đã sử dụng hai phương pháp chính: số liệu định lượng dựa trên các bộ dữ liệu thử nghiệm và đánh giá định tính từ các nhà dịch thuật và phòng R&D MX.

Ngoài ra, nhóm nghiên cứu còn tham gia các cuộc thi dịch máy uy tín trên toàn cầu để khẳng định năng lực và độ tin cậy. “Mặc dù việc tham gia đòi hỏi thời gian và công sức nhưng thành tích tốt trong các cuộc thi sẽ tạo động lực cho hoạt động nghiên cứu và phát triển hơn”. Ông Ryu chia sẻ thêm: “Nhóm chúng tôi cũng đạt được những kết quả ấn tượng và đáng tự hào khi làm việc trong môi trường cởi mở, khuyến khích thảo luận và thử nghiệm các ý tưởng mới”.

Thấu hiểu nét độc đáo của từng ngôn ngữ qua văn hóa tôn trọng và từng chấm câu

Mỗi ngôn ngữ đều phản ánh nét đặc trưng văn hóa riêng biệt, thể hiện qua cách sử dụng kính ngữ, ngữ điệu và cả dấu câu đặc trưng. Để tối ưu hóa độ chính xác khi dịch thuật, mô hình dịch thuật AI của Samsung cần cân nhắc tất cả những nét đặc thù ngôn ngữ này. Ví dụ, khi dịch từ tiếng Hàn hay tiếng Nhật, kính ngữ sẽ được giữ nguyên để đảm bảo sự tôn trọng và lịch sự.

Vì thế, Samsung đã hợp tác với các trung tâm R&D địa phương để hiểu đầy đủ về bối cảnh văn hóa của các ngôn ngữ. Choi cho biết: “Bằng cách hợp tác chặt chẽ với các nhà nghiên cứu và chuyên gia ngôn ngữ học ở các quốc gia khác nhau, chúng tôi có thể cung cấp bản dịch chính xác và toàn diện hơn”.

Đồng thời, việc xử lý các ngôn ngữ khác nhau thường đòi hỏi quá trình thử nghiệm và sửa lỗi liên tục. “Ví dụ, tiếng Việt là một ngôn ngữ có thanh điệu. Tuy nhiên, trong quá trình nghiên cứu, chúng tôi nhận thấy người dùng Việt Nam thường bỏ qua âm điệu trong các cuộc hội thoại thông thường”, cô giải thích. “Do đó, chúng tôi cần tổng hợp thêm dữ liệu để giúp các tính năng có thể dịch các câu không mang âm điệu.” Đối với tiếng Thái, nhóm nghiên cứu của Samsung đã phát triển một bộ tách câu đặc biệt vì ngôn ngữ này không sử dụng dấu câu.

Vì sao Công Nghệ Gọn Nhẹ Lại Là Chìa Khóa tăng tính hiệu quả cho Các Mô Hình AI Trên Thiết Bị

Nhóm Samsung Research bắt đầu phát triển mô hình dịch thuật AI trên thiết bị vào năm 2019. Ông Ryu – đại diện nhóm nghiên cứu cho biết: “Khác với các mô hình AI dựa trên máy chủ, các mô hình AI trên thiết bị chỉ được vận hành bằng tài nguyên có sẵn trên thiết bị của người dùng. Do đó, việc phát triển công nghệ gọn nhẹ, sử dụng tối thiểu tài nguyên là điều then chốt.” Để giảm kích thước của mô hình, nhóm nghiên cứu đã sử dụng công nghệ “chắt lọc kiến thức” và “lượng tử hóa”.

Có thể hình dung phương pháp chắt lọc kiến thức là một giáo viên giàu kinh nghiệm với lượng kiến thức lớn. Giáo viên này sẽ tóm tắt kiến thức then chốt và truyền đạt sang cho học sinh một cách súc tích hơn nhưng vẫn đảm bảo tính hiệu quả.  

Lượng tử hóa là phương pháp đơn giản hóa các thuật toán AI để giảm kích thước mô hình và tối ưu hóa quy trình nhằm tăng tốc độ xử lý, phản hồi.

Ông Ryu so sánh lượng tử hóa với việc vẽ quả dâu tây: “Để vẽ một quả dâu tây trông giống như thật, bạn cần nhiều màu sắc khác nhau – nhưng bạn cũng có thể vẽ với màu đỏ và xanh lá cây. Lượng tử hóa là quá trình giảm thiểu số lượng màu cần thiết để vẽ dâu tây, trong khi vẫn giữ được hình vẽ giống với thực tế nhất có thể.”

▲ Yoonjung Choi từ Trung tâm AI toàn cầu của Samsung Research

Trong lĩnh vực AI, chắt lọc và lượng tử hóa kiến thức là những phương pháp nổi tiếng để làm cho mô hình trở nên nhẹ hơn. Tuy nhiên, việc triển khai chúng ở quy mô thương mại không hề dễ dàng do sự khác biệt trong phương pháp và yếu tố thử nghiệm chi tiết của mỗi nhóm nghiên cứu. Nhóm nghiên cứu Samsung đã phát triển công nghệ độc quyền nhờ việc khám phá kỹ thuật lượng tử hóa hiệu quả và từ đó tạo ra thuật toán tăng tốc. Cô Choi nhận xét: “Qua thử nghiệm liên tục, chúng tôi đã tìm ra cách tối ưu để làm cho mô hình nhẹ hơn”.

Thông qua việc kết hợp mô hình dịch thuật AI chất lượng cao với các thuật toán giúp mô hình nhẹ hơn và tăng tốc độ phản hồi, các tính năng AI trên thiết bị nhẹ và nhanh đã ra đời.

Nền văn hóa ẩn sau ngôn ngữ: Thế nào là một mô hình dịch thuật AI hoàn hảo?

Các nhà nghiên cứu tại Trung tâm AI Toàn cầu của Samsung Research không chỉ đơn thuần hướng đến việc phát triển một công cụ dịch thuật trên thiết bị. Cô Choi chia sẻ: “Mục tiêu cuối cùng của tôi là giúp người dùng giao tiếp trôi chảy và thuận tiện với những người nói ngôn ngữ khác”. Ông Ryu tiết lộ thêm về tầm nhìn của bản thân trong việc xây dựng một công cụ phiên dịch hoàn hảo. Ông bày tỏ: “Một ngày nào đó, chúng tôi muốn tạo ra một công cụ phiên dịch hiểu được ý đồ giao tiếp của người dùng cũng như thực sự hiểu được nền văn hóa đằng sau ngôn ngữ được dịch. Tôi muốn thử thách bản thân để phát triển một công cụ phiên dịch chưa từng có trên thế giới.”

▲ Nhóm Trung tâm AI Toàn cầu của Samsung Research đã phát triển tính năng dịch AI trên thiết bị.

Samsung mang đến cho người dùng các tính năng dịch thuật AI được tích hợp ngay trên thiết bị của Samsung. Nhờ vậy, bất kỳ ai có thiết bị di động được hỗ trợ tính năng này đều có thể giao tiếp một cách dễ dàng — mà không phải lo lắng về việc kết nối Internet hoặc rò rỉ thông tin. Trong tương lai, Samsung Research sẽ không ngừng nỗ lực để tiếp tục dẫn đầu trong việc đem lại những đổi mới trong lĩnh vực AI và mang lại trải nghiệm tốt nhất cho người dùng.

▲ Juho Lee, nhà nghiên cứu tại Samsung Research, đã giành được Giải thưởng Xuất sắc trong việc Hỗ trợ Tiêu chuẩn hóa Truyền thông từ IEEE ComSoc tại hội nghị GLOBECOM 2023 vào ngày 5 tháng 12

Ông Juho Lee, nhà nghiên cứu tại trung tâm Nghiên cứu & Phát triển tiên tiến Samsung Research (SR) thuộc Samsung Electronics, đã nhận được Giải thưởng Sự nghiệp (Career Award) từ Viện Kỹ sư Điện và Điện tử (IEEE) — tổ chức kỹ thuật lớn nhất thế giới chuyên phát triển công nghệ vì lợi ích của nhân loại – nhờ khả năng lãnh đạo và những đóng góp kỹ thuật xuất sắc trong việc tiêu chuẩn hóa truyền thông vô tuyến.

Để ghi nhận khả năng lãnh đạo và vai trò quan trọng của ông trong việc phát triển và tiêu chuẩn hóa các công nghệ truyền thông di động toàn cầu, ông Lee được trao Giải thưởng Xuất sắc trong việc Hỗ trợ Tiêu chuẩn hóa Truyền thông năm nay từ Hiệp hội Truyền thông IEEE (ComSoc). Ông  là người duy nhất đã nhận được giải thưởng này, thể hiện sự tôn vinh cho những đóng góp nổi bật của ông trong ngành công nghệ.

Những người đạt Giải thưởng Sự nghiệp IEEE ComSoc được lựa chọn thông qua quy trình đánh giá nghiêm ngặt, trong đó 14 giám khảo cân nhắc kỹ lưỡng các ứng viên trong khoảng thời gian hai tháng. Các giải thưởng này đã được công bố tại lễ trao giải vào ngày 5 tháng 12 tại hội nghị IEEE Global Communications (GLOBECOM) 2023 ở thành phố Kuala Lumpur, Malaysia.

Ông Lee đã dẫn đầu việc nghiên cứu và tiêu chuẩn hóa công nghệ truyền thông di động từ năm 2000, khi điện thoại thông minh 3G bắt đầu được thương mại hóa. Từ tháng 2 năm 2003 đến tháng 8 năm 2009, ông Lee đã giữ chức Phó Chủ tịch Nhóm công tác Mạng truy cập vô tuyến 1 (RAN WG1) của Dự án Đối tác thế hệ thứ 3 (3GPP) – một tổ chức tiêu chuẩn hóa truyền thông di động toàn cầu – nơi ông đã đóng góp tích cực vào nỗ lực chuẩn hóa Công nghệ 4G LTE. Năm 2018, ông Lee được bầu làm Thành viên Cao cấp IEEE, danh hiệu dành riêng cho các thành viên hàng đầu của IEEE đã đạt được những thành tựu phi thường.

“Tôi rất vinh dự khi là người đầu tiên được trao Giải thưởng Xuất sắc về Hỗ trợ Tiêu chuẩn hóa Truyền thông từ IEEE ComSoc,” ông nói. “Trong tương lai, tôi sẽ tiếp tục nghiên cứu, phát triển và tiêu chuẩn hóa các công nghệ truyền thông di động tiên tiến như công nghệ 5G và 6G.”

Ông Lee gia nhập hàng ngũ uy tín của các giám đốc điều hành trước đây của Samsung, những người cũng từng nhận được Giải thưởng Sự nghiệp IEEE ComSoc. Cựu Phó Chủ tịch Samsung Ki-Tae Lee, người đóng vai trò quan trọng trong việc phát triển dòng điện thoại di động Anycall của Samsung, đã được trao Giải thưởng Nhà lãnh đạo ngành tiêu biểu của IEEE ComSoc năm 2004. Cựu Phó Chủ tịch Samsung Jong-Kyun Shin, người tạo ra chiếc điện thoại màu đầu tiên trên thế giới, nhận giải thưởng tương tự vào năm 2016.

Dẫn đầu về tiêu chuẩn hóa công nghệ truyền thông di động, Samsung Research có sáu người giữ vai trò lãnh đạo trong 3GPP: hai chủ tịch và bốn phó chủ tịch. Vào tháng 7 năm 2020, Samsung đã xuất bản Sách Trắng 6G “Trải nghiệm siêu kết nối tiếp theo cho mọi người”, nêu rõ tầm nhìn của công ty về kỷ nguyên truyền thông tiếp theo. Các chuyên gia của Samsung và Samsung Research đang rất nỗ lực làm việc để hiện thực hóa việc thương mại hóa 6G vào khoảng năm 2030.

Nhìn chung, âm thanh 3D khiến người nghe có cảm giác như đang có mặt trực tiếp ở các pha hành động. Trước đây, âm thanh 3D chỉ được hỗ trợ tại một số địa điểm cụ thể như rạp chiếu phim hoặc phòng thu âm, nhưng hiện nay đang được mở rộng đến các gia đình, cung cấp cho người dùng cách thức mới để trải nghiệm nội dung yêu thích.

Trung tâm nghiên cứu công nghệ tiên tiến của Samsung Electronics – Samsung Research – đã và đang không ngừng nỗ lực phát triển nhằm phổ biến công nghệ âm thanh 3D, bắt đầu từ năm 2020. Để hiện thực hóa mục tiêu này, Samsung đã hợp tác với Google để phát triển Mô hình và Định dạng âm thanh sống động (IAMF – Immersive Audio Model and Formats) – một công nghệ âm thanh không gian 3D tiên tiến. Công nghệ này đã được Liên minh Truyền thông Mở (AOM – Alliance for Open Media^[1]) chính thức công nhận vào tháng 10 năm 2023. Samsung Newsroom đã có cuộc trò chuyện với đội ngũ phát triển IAMF để tìm hiểu về hành trình mang công nghệ đột phá này vào cuộc sống.

▲ Đội ngũ phát triển công nghệ hình ảnh tại Samsung Research, tiên phong trong việc phát triển tiêu chuẩn cho công nghệ âm thanh. (Từ trái sang) SungHee Hwang, JeongHoon Park và WooHyun Nam

Cách trải nghiệm âm thanh 3D mới ngay tại nhà

Âm thanh tồn tại ở khắp mọi nơi – từ tiếng giày bước đi trên vỉa hè đến tiếng xe cộ di chuyển trên đường phố. Mặc dù không phải lúc nào những âm thanh này cũng cần thiết trong truyền thông, nhưng lại đóng vai trò quan trọng trong việc tạo chiều sâu và cảm giác chân thực cho các nội dung. Âm thanh 3D có khả năng kết hợp hài hòa giữa tiếng động trong môi trường xung quanh với các cuộc trò chuyện và hiệu ứng âm thanh khác để tạo ra trải nghiệm giải trí sống động và chân thực hơn.

Chuyên gia WooHyun Nam đến từ Bộ phận Công nghệ Hình ảnh tại Samsung Research chia sẻ: “Âm thanh 3D khiến bạn cảm thấy như đang sống giữa các cảnh hành động bằng cách điều chỉnh mức âm lượng, chuyển động và độ rung của âm thanh. Bằng cách này, người xem có thể thưởng thức âm thanh một cách trọn vẹn, nắm bắt được các khía cạnh 3D trong thế giới xung quanh.”

▲ Ông SungHee Hwang đến từ Bộ phận Công Nghệ Hình ảnh tại Samsung Research

Mặc dù có nhiều ưu điểm nhưng việc áp dụng âm thanh 3D này vào các thiết bị âm thanh gia đình vẫn gặp nhiều khó khăn, do những hạn chế về mặt công nghệ. Ông SungHee Hwang của Bộ phận Công nghệ Hình ảnh tại Samsung Research cho biết: “Thông tin âm thanh 3D từ nội dung không được truyền tải chính xác vì hệ thống âm thanh gia đình như loa TV hoặc loa thanh (soundbar) chưa đủ điều kiện đáp ứng, dẫn đến trải nghiệm âm thanh bị hạn chế và thiếu chi tiết so với nội dung gốc”.

Để giải quyết vấn đề này, Samsung đã hợp tác với Google để phát triển giải pháp âm thanh cho phép người xem trải nghiệm nội dung như mong muốn. Ông WooHyun Nam chia sẻ: “Nếu dữ liệu âm thanh 3D có thể được đọc bởi các nhà sản xuất thiết bị, họ có thể điều chỉnh âm thanh trong các thiết bị – tạo trải nghiệm đắm chìm với loa TV hoặc soundbar tiêu chuẩn tại nhà. Nhờ đó, người nghe có được trải nghiệm đúng với ý định của nhà sản xuất mà âm thanh không méo mó hoặc giảm chất lượng.”

Cần có một tiêu chuẩn thống nhất để gửi và nhận dữ liệu âm thanh một cách suôn sẻ giữa người sáng tạo và nhà sản xuất thiết bị. Ông JeongHoon Park, Phó Giám đốc Điều hành kiêm Trưởng Bộ phận Công nghệ Hình ảnh tại Samsung Research nói rằng: “Chuyên môn về thiết bị và nội dung của Samsung và Google giúp hai công ty trở thành đối tác lý tưởng để tạo ra công nghệ IAMF. Thông qua lần hợp tác phát triển công nghệ chưa từng có này, chúng tôi đang mở đường cho âm thanh 3D tiếp cận và phổ biến tại các hộ gia đình.”

Ba đặc điểm của công nghệ IAMF: Âm thanh chiều dọc, âm thanh dựa trên AI và âm thanh tùy chỉnh

Công nghệ IAMF mang đến ba tính năng nổi bật giúp nâng cao trải nghiệm âm thanh.

▲ WooHyun Nam của Bộ phận Công nghệ Hình ảnh tại Samsung Research

1. Khả năng truyền tải âm thanh đa chiều

Các codec âm thanh mã nguồn mở trước đây chỉ hỗ trợ thể hiện âm thanh theo chiều ngang. Với công nghệ IAMF, âm thanh giờ đây có thể được thể hiện theo chiều dọc, giúp truyền tải âm thanh theo nhiều hướng hơn. Ông WooHuyn Nam cho biết: “IAMF khiến âm thanh tạo ra trở nên trung thực hơn bằng cách cho phép người nghe cảm nhận âm thanh ở phía trước, phía sau, hai bên và cả phía trên hoặc phía dưới họ. Vì vậy, khi công nghệ IAMF được áp dụng cho loa TV và soundbar, người nghe cảm thấy âm thanh như tiếng chim bay qua đầu trên TV giải trí tại nhà.”

2. Phân tích cảnh quay dựa trên AI và hiệu ứng âm thanh 3D

IAMF sử dụng AI và công nghệ học sâu (deep-learning) để phân tích các cảnh quay và nhấn mạnh vào một số nội dung nhất định – điều chỉnh mức âm thanh để nâng cao chất lượng âm thanh trong suốt trải nghiệm xem. Theo ông WooHyun Nam, “Trong truyền hình và điện ảnh, có một số cảnh mà nhạc phim hoặc nhạc nền là trọng tâm chính. IAMF sẽ cân bằng âm thanh trong những trường hợp này. Tương tự, công nghệ sẽ tinh chỉnh âm thanh khi có đối thoại nhân vật để người nghe có thể tập trung vào cuộc trò chuyện.”

Ngoài ra, công nghệ IAMF còn cung cấp âm thanh tối ưu bất kể những thay đổi trong môi trường thiết bị. Ông WooHyun Nam cho biết thêm: “Bằng cách điều chỉnh dữ liệu âm thanh phân tích cảnh quay theo môi trường thiết bị, công nghệ IAMF cho phép người nghe thưởng thức chất lượng âm thanh gốc của nội dung ngay cả trên TV gia đình thông thường.”

3. Khả năng tùy chỉnh âm thanh cao

Với công nghệ IAMF, người dùng có thể tự do điều chỉnh âm thanh theo sở thích. Cho dù người xem đang tìm cách khuếch đại hiệu ứng âm thanh từ một cảnh hành động hay làm rõ lời thoại, IAMF đều mang đến khả năng linh hoạt tùy chỉnh âm thanh theo nội dung để có trải nghiệm cá nhân hóa cho người dùng.

▲ Công nghệ IAMF phân tích dữ liệu từ nội dung và cho phép người xem điều chỉnh và cá nhân hóa các cài đặt âm thanh. Ví dụ như khi xem một trận đấu thể thao, người dùng có thể trực tiếp chọn nhấn mạnh giọng nói của bình luận viên hoặc âm thanh trận đấu

Âm thanh 3D phủ sóng toàn ngành với công nghệ IAMF mã nguồn mở

Mã nguồn mở là yếu tố thiết yếu để tạo ra một tiêu chuẩn thống nhất cho âm thanh 3D trên toàn ngành. IAMF là tiêu chuẩn công nghệ âm thanh mã nguồn mở đầu tiên được AOM thông qua – nghĩa là tất cả nhà sáng tạo nội dung, từ các tập đoàn lớn đến các cá nhân độc lập, đều có thể truy cập và sử dụng công nghệ này.

Ông WooHyun Nam cho biết: “Để mọi người có thể tự do sáng tạo nội dung với công nghệ âm thanh 3D, các công nghệ liên quan đều cần phải mở cho tất cả mọi người. Việc cung cấp một khung mã nguồn mở hoàn chỉnh cho âm thanh 3D, từ khâu sáng tạo đến phân phối và phát lại, sẽ giúp tạo ra nhiều trải nghiệm nội dung âm thanh đa dạng trong tương lai.”

Tương tự, ông Park nhấn mạnh rằng công nghệ IAMF sẽ có tác động lớn đến tổng thể âm thanh trong tương lai. Ông nhận định: “Vì chúng ta đang sống trong thời đại bị chi phối bởi việc sáng tạo nội dung, IAMF sẽ giúp dẫn dắt, mở rộng và chuyển đổi hệ sinh thái âm thanh 3D.”

Thành công đạt được thông qua hợp tác

Công trình nghiên cứu về IAMF bắt đầu vào năm 2020 và mất gần bốn năm để hoàn thành. Bằng sự kiên trì bền bỉ và chăm chỉ, đội ngũ nghiên cứu đã đạt được thành công. Ông Hwang cho biết: “Dự án kéo dài với nhiều ngày làm việc không ngừng nghỉ, và có những lúc chúng tôi cần phải làm việc vào ban đêm do chênh lệch múi giờ giữa văn phòng của chúng tôi và Google. Mặc dù có nhiều thách thức, nhưng cuối cùng tôi cảm thấy rất tự hào. Đó là một cơ hội tuyệt vời để làm việc với các nhà phát triển đến từ các quốc gia khác.”

Đội ngũ đã phát triển tình cảm khắng khít trong suốt hành trình và xây dựng nền tảng vững chắc về sự tin tưởng và hiểu biết. Ông JeongHoon Park nhớ lại: “Một nhân viên của Google đã nói rằng, đây là dự án hợp tác thú vị nhất mà anh ấy từng tham gia. Chúng tôi hoàn thành dự án này vì sự tin tưởng lẫn nhau của đôi bên. Tôi rất tự hào và biết ơn những nỗ lực và sự hợp tác của các thành viên trong nhóm.”

▲ JeongHoon Park, Phó Giám đốc Điều hành kiêm Trưởng Bộ phận Công nghệ Hình ảnh tại Samsung Research

Ngoài ra, ông Park cũng dành lời khen cho những kỹ năng và chuyên môn độc đáo của từng thành viên trong nhóm, góp phần quan trọng vào quá trình tạo ra công nghệ IAMF. Ông JeongHoon Park chia sẻ: “WooHyun Nam đóng vai trò quan trọng trong việc đề xuất các ý tưởng phát triển công nghệ, trong khi SungHee Hwang chịu trách nhiệm tổ chức và ghi chép lại các ý tưởng của nhóm một cách rõ ràng và mạch lạc.”

Tầm nhìn cho ‘Âm thanh Samsung’

Sau khi công bố công nghệ IAMF, đội ngũ Samsung Research nhận ra rằng việc tiêu chuẩn hóa âm thanh không gian 3D đã đánh dấu một kỷ nguyên mới của công nghệ âm thanh.

“Nhờ IAMF, chúng tôi có thể bắt đầu nghiên cứu các công nghệ mới, mở ra một thế giới mới về âm thanh”, ông Nam chia sẻ. Cùng với đó, bộ phận nghiên cứu của Samsung hiện đang phát triển một phiên bản nâng cao của công nghệ IAMF có thể áp dụng cho các lĩnh vực khác nhau như thiết bị di động, siêu vũ trụ, trò chơi điện tử và hơn thế nữa.

▲ Với nỗ lực và tinh thần kiên trì không bỏ cuộc, Bộ phận Công nghệ Hình ảnh tại Samsung Research đã thành công trong việc tạo ra một tiêu chuẩn mới cho âm thanh 3D

Tiếp nối thành công của IAMF, bộ phận nghiên cứu Samsung được truyền cảm hứng và có thêm động lực để tạo ra công nghệ âm thanh tốt nhất cho người dùng. Mỗi thành viên trong nhóm đã chia sẻ về những khát vọng của họ đối với tương lai của âm thanh 3D.

Ông WooHyun Nam bày tỏ mong muốn tạo ra công nghệ âm thanh sống động hơn. “Tôi muốn tạo ra một công nghệ âm thanh 3D tiên tiến hơn, giúp người dùng cảm thấy như họ đang thực sự ở trong bối cảnh của một bộ phim, chương trình truyền hình hoặc sự kiện trực tiếp. Tôi cũng hy vọng sẽ tiếp tục thực hiện nghiên cứu này cho đến khi âm thanh 3D được áp dụng cho điện thoại thông minh của Samsung.”

Bên cạnh đó, ông SungHee Hwang chia sẻ về việc hi vọng có thể tạo ra công nghệ âm thanh vượt trội để đưa Samsung ngang hàng với các công ty âm thanh hàng đầu khác. “Mục tiêu của tôi là phát triển một công nghệ mà người dùng có thể dễ dàng nhận ra đây là ‘Âm thanh Samsung’ khi họ nghe thấy nó. Tôi tin rằng tiêu chuẩn IAMF là bước đệm để đạt được ước mơ.”

Ông Park chia sẻ: “Tôi hy vọng rằng công nghệ âm thanh của Samsung sẽ giúp người dùng có được trải nghiệm âm thanh tuyệt vời như trải nghiệm hình ảnh hiện tại. Tôi cũng rất mong các nhà sáng tạo nội dung sẽ sử dụng công nghệ âm thanh của Samsung để tạo ra nội dung âm thanh 3D hấp dẫn. Ngoài ra, chúng tôi đặt mục tiêu tạo ra một môi trường hỗ trợ để các nhà nghiên cứu có thể thực hiện những thách thức táo bạo và thú vị như mở rộng công nghệ âm thanh của Samsung.”

Các tiêu chuẩn công nghệ như IAMF biến hoạt động giải trí trở nên hấp dẫn với người xem ở mọi phương diện. Đội ngũ nghiên cứu của Samsung không ngừng nỗ lực để mở ra xu hướng đổi mới của âm thanh trong tương lai.

[1] Một tổ chức phi lợi nhuận được thành lập để phát triển và chia sẻ công nghệ phân phối đa phương tiện, cho phép các nhà sáng tạo sử dụng công nghệ mà không cần lo lắng về chi phí. Tổ chức này được vận hành bởi một liên minh gồm 38 công ty, bao gồm Samsung Electronics, Google, Amazon, Apple và Meta.