Luận văn Thạc sĩ: Nghiên cứu xây dựng mô hình phân loại giới tính và vùng miền cho tiếng nói tiếng Việt dựa trên âm thanh

Trong bối cảnh các công nghệ Học sâu, đặc biệt là Thị giác Máy tính, đang tạo ra những bước tiến vượt bậc, việc ứng dụng các kỹ thuật này vào xử lý âm thanh ngày càng trở nên quan trọng. Nghiên cứu về nhận diện giọng nói, giới tính và vùng miền có vai trò thiết yếu trong nhiều lĩnh vực như an ninh, tài chính và viễn thông, nơi việc xác thực và chống gian lận là những thách thức lớn. Đặc biệt, trong ngành viễn thông, gian lận cước đang gây tổn hại đáng kể. Khả năng tự động phân loại giới tính và vùng miền của người nói tiếng Việt từ dữ liệu âm thanh sẽ góp phần quan trọng trong việc phát hiện các hành vi bất thường, từ đó nâng cao tính bảo mật và hiệu quả quản lý. Đề tài này đặt ra mục tiêu xây dựng mô hình phân loại giới tính và vùng miền cho tiếng nói tiếng Việt dựa trên âm thanh, khai thác sức mạnh của các phương pháp học sâu.

Các nhà nghiên cứu, sinh viên, kỹ sư trong lĩnh vực Khoa học Máy tính, Trí tuệ Nhân tạo, Học máy, Xử lý tiếng nói và Viễn thông.

Nghiên cứu này trình bày việc xây dựng mô hình phân loại giới tính và vùng miền cho tiếng nói tiếng Việt, một vấn đề có ý nghĩa ứng dụng cao trong các lĩnh vực như an ninh và viễn thông. Luận văn tổng quan các phương pháp phân loại âm thanh, từ các mô hình học máy truyền thống như SVM, cây quyết định, rừng ngẫu nhiên, đến các mô hình học sâu tiên tiến bao gồm Mạng Nơ-ron Hồi quy (RNN) và Mạng Nơ-ron Tích chập (CNN). Phương pháp tiếp cận chính dựa trên việc chuyển đổi dữ liệu âm thanh từ miền thời gian sang miền tần số, tạo ra các "ảnh của âm thanh" như Spectrogram, sau đó áp dụng các kỹ thuật xử lý hình ảnh và huấn luyện mạng nơ-ron. Các đặc trưng âm thanh như Mel-Frequency Cepstral Coefficients (MFCC) cũng được khai thác. Mục tiêu là phát triển một bộ phân loại với độ chính xác cao và tốc độ xử lý nhanh. Luận văn cũng đề cập đến việc sử dụng các bộ dữ liệu đa dạng, bao gồm dữ liệu từ cuộc thi của ZALO và bộ dữ liệu VIVOS, để huấn luyện và đánh giá mô hình. Giá trị ứng dụng của nghiên cứu nằm ở khả năng tăng cường bảo mật, phát hiện gian lận trong các hệ thống liên quan đến giọng nói và đóng góp vào sự phát triển của công nghệ xử lý tiếng Việt.