Tóm tắt Luận án Tiến sĩ: Nghiên cứu các phương pháp xác định tần số cơ bản ứng dụng cho tổng hợp thanh điệu tiếng Việt

Trong bối cảnh bùng nổ của công nghệ số, công nghệ tổng hợp tiếng nói tự nhiên đóng vai trò thiết yếu trong nhiều lĩnh vực, từ giáo dục đến trợ lý ảo. Chất lượng và sự tự nhiên của tiếng nói tổng hợp phụ thuộc đáng kể vào khả năng tái tạo các đặc trưng ngữ điệu, đặc biệt là tần số cơ bản (F0) và thanh điệu. Đối với tiếng Việt, một ngôn ngữ có thanh điệu phức tạp, việc này đặt ra thách thức lớn, yêu cầu sự hiểu biết sâu sắc về mối quan hệ giữa cấu trúc âm tiết, đặc điểm ngữ điệu và cơ chế điều khiển phát âm. Luận án này nhằm giải quyết thách thức đó bằng cách xác định các điểm đánh dấu pitch và ước lượng tần số cơ bản F0, đồng thời nghiên cứu và phát triển các mô hình cách điệu thanh điệu tối ưu cho tiếng Việt, qua đó nâng cao hiệu quả và chất lượng của tổng hợp tiếng nói.

Nghiên cứu sinh, học giả, và các nhà phát triển trong lĩnh vực công nghệ tiếng nói, xử lý ngôn ngữ tự nhiên, khoa học âm thanh, và kỹ thuật điện tử, đặc biệt những người quan tâm đến tổng hợp tiếng nói cho các ngôn ngữ có thanh điệu như tiếng Việt.

Luận án trình bày nghiên cứu sâu rộng về các phương pháp xác định tần số cơ bản (F0) và ứng dụng chúng vào việc tổng hợp thanh điệu tiếng Việt, một ngôn ngữ có hệ thống thanh điệu phức tạp. Công trình này xuất phát từ nhận thức về vai trò ngày càng tăng của công nghệ tổng hợp tiếng nói tự nhiên trong kỷ nguyên số và những thách thức đặc thù của tiếng Việt. Mục tiêu chính là cải thiện chất lượng và độ tự nhiên của tiếng nói tổng hợp thông qua việc xác định chính xác các điểm đánh dấu pitch (PM) và phát triển các mô hình cách điệu thanh điệu phù hợp.
Về phương pháp luận, luận án giới thiệu một thuật toán mới để xác định các điểm PM trực tiếp từ tín hiệu tiếng nói tích lũy, khác với các phương pháp truyền thống yêu cầu chia khung. Cách tiếp cận này giúp đơn giản hóa đáng kể quá trình tính toán F0, loại bỏ yêu cầu phân khung và giảm độ phức tạp, đặc biệt phù hợp với đặc trưng của tiếng Việt. Các nhà nghiên cứu đề xuất và phát triển mô hình qTA-Poly, kết hợp với đa thức Chebyshev, để cách điệu hóa đường F0, nâng cao độ chính xác và ổn định cho cả từ đơn và từ đa âm tiết.
Giá trị ứng dụng của nghiên cứu rất lớn. Kết quả này không chỉ đóng góp vào kho tàng kiến thức về xử lý ngôn ngữ tự nhiên và khoa học âm thanh, mà còn có tiềm năng ứng dụng trong các sản phẩm giáo dục, hỗ trợ người khuyết tật và cải thiện giao tiếp người-máy. Việc tự động hóa quá trình tạo tham số trong mô hình qTA cũng như cách điệu và tổng hợp đường F0 cho tiếng Việt sẽ nâng cao hiệu quả tổng hợp thanh điệu, đảm bảo chất lượng và tính tự nhiên của giọng nói tổng hợp, góp phần bảo tồn và phát triển tiếng Việt trong thời đại số.