Trò chuyện bằng giọng nói
Phần trước, AI đọc chữ thành giọng. Giờ ghép nghe với nói. Bạn hỏi bằng miệng, AI đáp bằng giọng, như gọi điện cho bạn. Nhưng bên trong có hai cách làm khác hẳn nhau.
CÁCH CŨ
Ba máy nối đuôi nhau
Cách cũ nối ba máy: máy nghe chép lời thành chữ, AI viết câu trả lời, rồi máy thứ ba đọc to lên. Mỗi chặng mất một chút, cộng lại phải chờ vài giây.
CÁCH CŨ
Mất giọng điệu
Tệ hơn, khi thành chữ, giọng điệu của bạn biến mất. Bạn nói "ừ, được" bằng giọng buồn, AI chỉ thấy hai chữ đó, và đáp vui vẻ.
CÁCH MỚI
Một bộ não vừa nghe vừa nói
Cách mới dùng một mô hình: nghe thẳng âm thanh, nói ra âm thanh, không cần đổi qua chữ. Nó có thể nhận ra giọng buồn, tiếng cười, và đáp bằng giọng hợp với bạn.
NHANH
Đáp trong khoảng nửa giây
Bớt chặng, nên AI có thể đáp trong khoảng nửa giây, gần nhịp người nói chuyện. Bạn còn ngắt lời được: đang nói mà bạn chen vào, nó dừng để nghe.
LƯU Ý
Giọng ấm chưa chắc đã đúng
Nhưng giọng nghe tự nhiên chưa chắc thông tin đã đúng. Việc quan trọng như thuốc men, tiền bạc, vẫn nên kiểm tra lại.
PHẦN 4
Giờ tới xem video
Nghe, nói rồi. Giờ tới xem cả một đoạn video. AI xem video thế nào? Hẹn bạn ở phần 4.
Đây là bài viết từ video Trò chuyện bằng giọng nói của kênh Mark học AI. Xem video để thấy phần minh họa bằng hình động.