§Æng Ngäc §øc - G¸n nh·n mêi ch÷ sè tiÕng ViÖt - last update 10/dd/yy

G¸N nh·n mêi ch÷ sè tiÕng viÖt

Trong qu¸ tr×nh x©y dùng c¬ së tiÕng ViÖt phôc vô cho viÖc
nghiªn cøu x©y dùng c¸c hÖ thèng nhËn d¹ng tiÕng nãi, phiªn
©m chÝnh t¶ vµ phiªn ©m ©m vÞ häc lµ qu¸ tr×nh quan
träng kh«ng thÓ thiÕu. Cho ®Õn nay cha cã tµi liÖu nghiªn
cøu ®Çy ®ñ nµo vÒ ph¬ng thøc phiªn ©m tiÕng ViÖt. Trong
tµi liÖu [1], t¸c gi¶ cã ®Ò cËp ®Õn qu¸ tr×nh x©y dùng c¬
së d÷ liÖu tiÕng ViÖt còng nh viÖc g¸n nh·n tiÕng ViÖt, tuy
nhiªn c¸c th«ng tin cha ®ñ chi tiÕt, còng nh cha tÝnh ®Õn c¸c
®Æc ®iÓm ©m vÞ häc tiÕng ViÖt . HiÖn nay còng cha cha cã
mét c¬ së d÷ liÖu tiÕng nãi tiÕng ViÖt nµo ®îc c«ng bè.
§èi víi c¸c ng«n ng÷ ch©u ¢u, viÖc nghiªn cøu g¸n nh·n ©m
vÞ ®· ®îc tiÕn hµnh tõ l©u vµ ®· ®¹t ®îc mét sè nguyªn t¾c
chung gi÷a c¸c nhµ nghiªn cøu [2-4]. Tuy nhiªn ®èi víi mçi
ng«n ng÷, viÖc g¸n nh·n chóng l¹i cã nh÷ng ®Æc thï riªng mµ
nÕu mét nhµ g¸n nh·n kh«ng hiÓu ng«n ng÷ hä phiªn ©m
th× cã thÓ dÉn ®Õn c¸c sai sè kh¸ lín.[3]. ViÖc t×m hiÓu vµ
nghiªn cøu g¸n nh·n cho tiÕng ViÖt lµ rÊt cÇn thiÕt.
Qu¸ tr×nh nghiªn cøu g¸n nh·n tiÕng ViÖt b¾t ®Çu b»ng tµi
liÖu híng dÉn g¸n nh·n tiÕng Anh [2], sau ®ã kÕt hîp víi ®Æc
®iÓm ©m vÞ häc tiÕng ViÖt ®Ó x©y dùng nªn mét sè
nguyªn t¾c chung dïng thèng nhÊt cho g¸n nh·n tiÕng ViÖt.
Trong tµi liÖu nµy tr×nh bµy mét sè nguyªn t¾c chung g¸n
nh·n mêi ch÷ sè tiÕng ViÖt tõ 0-9.
1.1 Giíi thiÖu
§Æt chÝnh x¸c ranh giíi (boundary) gi÷a c¸c ©m vÞ thêng
xuyªn lµ vÊn ®Ò khã kh¨n. NhiÒu ranh giíi ®îc nhËn thøc bëi
ngêi nghe nhng kh«ng tån t¹i nÕu chóng ta ph©n tÝch chóng
díi gãc ®é ©m häc, nhiÒu tõ bÞ trïng khíp vµ dÝnh liÒn vµo
nhau. Do vËy ranh giíi gi÷a c¸c tõ chóng ta g¸n trong qu¸
tr×nh g¸n nh·n cã thÓ ®îc hiÓu nh lµ nh©n t¹o. Mét sè luËt
®îc ®a ra trong c¸c trêng hîp mËp mê ®Ó ®¶m b¶o tÝnh
nhÊt qu¸n.

1
§Æng Ngäc §øc - G¸n nh·n mêi ch÷ sè tiÕng ViÖt - last update 10/dd/yy

Qu¸ tr×nh g¸n nh·n ®îc dùa vµo biÓu ®å phæ, c¸c forrmant
cña c¸c ©m vÞ. C¸c ranh giíi ®îc x¸c ®Þnh t¹i c¸c thêi ®iÓm
n¬i cã sù thay ®æi trªn biÓu ®å sãng (wave form). Sù thay
®æi vÒ sãng ©m nãi chóng lµ ®¸ng tin cËy h¬n sù thay ®æi
trong biÓu ®å phæ, ®Æc biÖt lµ trong c¸c trêng hîp cã sù
chuyÓn dÞch tõ biªn ®é thÊp sang biªn ®é cao. Trong trêng
hîp nµy sÏ cã sù ®ét biÕn trong biÓu ®å phæ, tuy nhiªn sù
®ét biÕn nµy thêng x¶y ra tríc 10ms ®Õn 20ms tríc sù ®ét
biÕn trªn biÓu ®å sãng vµ sù ®ét biÕn ë biÓu ®å phæ kh«ng
®îc dïng ®Ó g¸n nh·n (Së dÜ cã hiÖn tîng nµy v× d¹ng biÓu
®å phæ ®îc biÓu diÔn b»ng c¸c gi¸ trÞ trung b×nh cña n¨ng
lîng trong mét cña sæ cã kÝch thîc nhÊt ®Þnh, viÖc trung
b×nh ho¸ n¨ng lîng lµm sai lÖch kÕt qu¶ hiÓn thÞ)
1.2 G¸n nh·n sè ba : /b/ /a/

H×nh 3.1 (®é cao 200 pixel, ®é ph©n d¶i 0.25ms/1 pixel)
¢m vÞ /b/ lµ phô ©m t¾c, kh«ng bËt h¬i, h÷u thanh. Trªn
biÓu ®å phæ, sù xuÊt hiÖn cña ©m vÞ /b/ ®îc nhËn biÕt
b»ng sù chuyÓn ®ét ngét tõ thêi ®iÓm kh«ng cã hoÆc rÊt Ýt
n¨ng lîng sang mét sù ®ét biÕn cña n¨ng lîng trªn mét
kho¶ng réng tÇn sè trong mét kho¶ng thêi gian ng¾n mµ ta
thêng thÊy nh mét cét dùng ®øng.
NÕu nh dÊu hiÖu trªn kh«ng râ rµng khã nhËn biÕt, viÖc g¸n
nh·n ©m vÞ /b/ dùa vµo biÓu ®å sãng. Trªn biÓu ®å sãng,

2
§Æng Ngäc §øc - G¸n nh·n mêi ch÷ sè tiÕng ViÖt - last update 10/dd/yy

©m vÞ /b/ thêng chØ bao gåm vµi xung tuÇn hoµn cã biªn ®é
thÊp. Ranh giíi gi÷a ©m vÞ /b/ víi noise ®»ng tríc vµ nguyªn
©m ®»ng sau dÔ dµng ®îc x¸c ®Þnh b»ng sù thay ®æi vÒ
biªn ®é vµ tÇn sè trªn biÓu ®å sãng. §Æt cña sæ d¹ng sãng
víi ®é ph©n gi¶i cao: 0,1 ms/pixel vµ ®é cao lín: 200 pixel.
Xem h×nh 3.1.
Ranh giíi gi÷a ©m vÞ /b/ vµ /a/ ®îc nhËn thÊy trªn biÓu ®å
phæ b»ng viÖc sù xuÊt hiÖn cña c¸c formant, tuy nhiªn viÖc
g¸n nh·n ®îc u tiªn dùa trªn biÓu ®å sãng h¬n lµ biÓu ®å
phæ, khi ®ã trªn biÓu ®å sãng cã sù thay ®æi vÒ biªn ®é vµ
h×nh d¹ng sãng.
§iÓm kÕt thóc cña ©m vÞ /a/ ®îc x¸c ®Þnh trªn biÓu ®å
sãng. ¢m vÞ /a/ lµ nguyªn ©m, t¹i ®iÓm kÕt thóc c¸c sãng ®i
lªn hoÆc ®i xuèng chu kú ®Òu ®Æn víi biªn ®é gi¶m dÇn.
G¸n nh·n kÕt thóc ©m vÞ /a/ vµo vÞ trÝ n¬i biªn ®éi gi¶m tíi
gÇn trïng víi biªn ®é cña noise, ®iÓm nµy thêng còng trïng víi
®iÓm n¬i h×nh d¹ng cña sãng thay ®æi tõ ©m vÞ /a/ sang
noise. Còng cã khi c¸c sãng gi¶m dÇn vµ kÕt thóc ®ét ngét,
g¸n nh·n vµo xung cuèi cïng gi÷ h×nh d¹ng cña ©m vÞ /a/.
H×nh 3.2

H×nh 3.2 (®é cao 200 pixel, 0,20ms/pixel)

1.3 G¸n nh·n sè n¨m: /n/ /aw/ /m/
Hai ©m vÞ /n/, /m/ lµ hai phô ©m mòi, vang. Trªn biÓu ®å
phæ cã thÓ nhËn thÊy rÊt râ c¸c formant F1,F2,F3 cña ©m vÞ
/aw/. C¸c phô ©m mòi /n/,/m/ cã n¨ng lîng thÊp nhÊt trong c¸c

3
§Æng Ngäc §øc - G¸n nh·n mêi ch÷ sè tiÕng ViÖt - last update 10/dd/yy

lo¹i ©m vÞ, do ®ã formant cña hai ©m nµy mê nh¹t h¬n

nguyªn ©m /aw/. C¸c F2,F3 c¶u hai phô ©m /n/,/m/ thêng cã
dïng ®é cao vµ song song víi F2,F3 cña /aw/ do bÞ ¶nh hëng
cña c¸c formant nµy.
BiÓu ®å sãng cña hai ©m vÞ nµy cã biªn ®é thÊp, t¬ng ®èi
tuÇn hoµn. ¢m vi /aw/ lµ nguyªn ©m, trªn biÓu ®å sãng cã
biªn ®é cao h¬n h¼n. Do ®ã g¸n nh·n ranh giíi gi÷a /n/ vµ
/aw/, gi÷a /aw/ vµ /mc/ cã thÓ dùa vµo sù thay ®æi vÒ biªn
®é vµ tÇn sè trªn biÓu ®å sãng. §Æt ®é ph©n gi¶i mÞn:
0,2ms/1 pixel, ®é cao cña cöa sæ biÓu ®å sãng 200 pixel ®Ó
lµm t¨ng ®é chÝnh x¸c cña g¸n nh·n.
Cuèi cña ©m vÞ /m/ d¹ng sãng tuÇn hoµn gi¶m dÇn, kÐo dµi
®Õn khi trïng víi biªn ®é cña noise. G¸n nh·n vµo ®iÓm nµy,
®©y thêng còng lµ ®iÓm kÕt thóc F1 cña /m/ ë cöa sæ phæ.
1.4 G¸n nh·n sè bèn /b/ /oo/ /n/
G¸n nh·n ©m vÞ /b/ gièng nh trêng hîp cña ch÷ sè “ba”. G¸n
nh·n ©m vÞ /oo/ vµ ©m vÞ /n/ cã thÓ tham kh¶o trong trêng
hîp ch÷ sè “n¨m” .
1.5 G¸n nh·n sè chÝn : /ch/ /i/ /n/
¢m vÞ /ch/ lµ phô ©m t¾c, v« thanh. NhËn biÕt sù b¾t ®Çu
cña ©m vÞ /ch/ b»ng viÖc xuÊt hiÖn n¨ng lîng ë c¸c tÇn sè
cao, cã vÎ nh lµ ngÉu nhiªn trªn c¸c tÇn sè t¹o thµnh mét h×nh
ch÷ nhËt. Còng cã khi ©m vÞ /ch/ cã xuÊt hiÖn F2,F3 do ¶nh
hëng cña nguyªn ©m ®i theo sau nã. xem h×nh 9.1

4
§Æng Ngäc §øc - G¸n nh·n mêi ch÷ sè tiÕng ViÖt - last update 10/dd/yy

H×nh 9.1 (®é cao 200 pixel, ®é ph©n d¶i 0,25/1 pixel)
Trªn biÓu ®å sãng, biªn ®é cña ©m vÞ /ch/ rÊt thÊp nªn ph¶i
t¨ng kÝch thíc cöa sæ biÓu ®å sãng lªn 300 pixel. Ngoµi ra do
n¨ng lîng cña ©m vÞ /ch/ thêng tËp trung ë tÇn sè cao, t¨ng
®é ph©n d¶i cöa sæ biÓu ®å sãng lªn 0.10/1 pixel ®Ó dÔ
nhËn biÕt sù biÕn ®æi ë biÓu ®å sãng cña ©m vÞ /ch/ so víi
noise trong trêng hîp thu ©m cã nhiÒu nhiÓu. G¸n nh·n b¾t
®Çu ©m vÞ /ch/ vµo vÞ trÝ ®Çu tiªn cã thay ®æi vÒ biªn ®é
vµ tÇn sè. Xem h×nh 9.2

5
§Æng Ngäc §øc - G¸n nh·n mêi ch÷ sè tiÕng ViÖt - last update 10/dd/yy

H×nh 9.2 (®é cao 300, ph©n d¶i 0,1 ms/pixel)

NÕu sù thay ®æi ë biÓu ®å sãng kh«ng râ rµng, g¸n nh·n
b¾t ®Çu ©m vÞ /ch/ dùa theo sù thay ®æi ë biÓu ®å phæ.
Ranh giíi gi÷a ©m vÞ /ch/ víi nguyªn ©m theo sau nã cã sù
thay ®æi râ rµng trªn biÓu ®å sãng vÒ tÇn sè vµ biªn ®é.
Biªn ®é cña nguyªn ©m ®i sau t¨ng lªn rÊt m¹nh. Trªn biÓu
®å phæ, c¸c formant cña nguyªn ©m cã ®é ®Ëm râ rµng
h¬n rÊt nhiÒu, tuy nhiªn sö thay ®æi trªn biÓu ®å phæ chËm
h¬n so víi trªn biÓu ®å sãng kho¶ng thêi gian 5-10ms.
G¸n nh·n ranh giíi cña ©m vÞ /ch/ vµ nguyªn ©m ®i sau ®îc u
tiªn dùa trªn biÓu ®å sãng. §Æt ®é ph©n d¶i thËt mÞn vµ ta
dÔ d¹ng nhËn ra ®iÓm thay ®æi vÒ tÇn sè vµ biªn ®é trªn
biÓu ®å sãng ®Ó g¸n nh·n vµo ®ã. Xem h×nh 9.3

6
§Æng Ngäc §øc - G¸n nh·n mêi ch÷ sè tiÕng ViÖt - last update 10/dd/yy

H×nh 9.3 (®é cao 200 pixel, ®é ph©n d¶i 0,1ms/1 pixel)
G¸n nh·n ranh giíi gi÷a ©m vÞ /i/ vµ /n/, g¸n nh·n cuèi ©m vÞ
/n/ t¬ng tù nh trêng hîp g¸n nh·n ch÷ “n¨m”
1.6 G¸n nh·n ch÷ “kh«ng”: /kh/ /oo/ /ng/
¢m vÞ /kh/ lµ phô ©m x¸t, v« thanh. ¢m vÞ /kh/ cã h×nh sãng
kh«ng tuÇn hoµn. XuÊt hiÖn cña /kh/ thêng kÌm víi sù xuÊt
hiÖn cña F2. gièng nh ©m vÞ x¸t /s/ b¾t ®Çu cña ©m vÞ /kh/
®îc nhËn biÕt bëi t¨ng ®ét biÕn n¨ng lîng mét c¸ch ngÉu
nhiªn ë tÊt c¶ c¸c tÇn sè trªn cöa sæ phæ. Th«ng thêng ®iÓm
nµy còng trïng víi ®iÓm thay ®æi vÒ tÇn sè trªn cöa sè sãng.
H×nh 0.1
H×nh 0.1 (®é cao 100 pixel, ®é ph©n d¶i 0,25/pixel)

Dïng ®iÓm t¨ng ®ét biÕn nµy ®Ó x¸c ®Þnh vÞ trÝ xung
quanh ®iÓm cÇn g¸n nh·n. Tuy nhiªn u tiªn g¸n nh·n dùa vµo

7
§Æng Ngäc §øc - G¸n nh·n mêi ch÷ sè tiÕng ViÖt - last update 10/dd/yy

sù thay ®æi trªn biÓu ®å sãng, khi ë biÓu ®å sãng, sù thay

®æi khã nhËn biÕt th× dùa vµo sù thay ®æi trªn biÓu ®å
phæ.
Ranh giíi gi÷a ©m vÞ /kh/ vµ /oo/ dÔ dµng nhËn thÊy do sù
xuÊt hiÖn cña F2,F3 cña ©m vÞ /oo/. ViÖc g¸n nh·n cã thÓ ®-
îc thùc hiÖn trªn cöa sæ sãng, khi cã sù thay ®æi vÒ tÝnh
tuÇn hoµn cña sãng vµ biªn ®é. §iÓm khëi ®Çu cña /oo/ th-
êng nhËn biÕt bëi d¹ng sãng tuÇn hoµn víi biªn ®é lín. T¨ng
®é ph©n gi¶i lªn 0,1ms/pixel sÏ dÔ dµng h¬n cho viÖc g¸n
nh·n. (trªn biÓu ®å phæ, c¸c formant cña /oo/ thêng xuÊt
hiÖn muén h¬n so víi ®iÓm b¾t ®Çu cña ©m vÞ /oo/). H×nh
0.2

H×nh 0.2 (®é cao 100 pixel, ®é ph©n d¶i 0,1ms/pixel)

G¸n nh·n ranh giíi gi÷a /oo/ vµ /n/, ®iÓm kÕt thóc cña /n/
gièng nh trong trêng hîp ch÷ sè “n¨m”

8
§Æng Ngäc §øc - G¸n nh·n mêi ch÷ sè tiÕng ViÖt - last update 10/dd/yy

1.7 G¸n nh·n ch÷ sè “t¸m”: /t/ /a/ /m/

¢m vÞ /t/ lµ phô ©m t¾c, v« thanh. Trªn biÓu ®å phæ ©m vÞ

/t/ thêng xuÊt hiÖn b»ng mét cét dùng ®øng, tøc lµ xuÊt hiÖn
®ét ngét n¨ng lîng trªn mét d¶i tÇn sè réng trong mét kho¶ng
thêi gian kh«ng dµi.
Trªn cöa sè biÓu ®å sãng, ©m vÞ /t/ thêng chØ kÐo dµi
kho¶ng 15-20 ms bao gåm vµi xung cã biªn ®é thÊp kh«ng
tuÇn hoµn. §Æt cöa sæ sãng víi ®é cao 200 pixel ®Ó nhËn
biÕt xung cã biªn ®é thÊp.
C¸ch g¸n nh·n ©m vÞ /a/ vµ /m/ t¬ng tù nh trêng hîp cña tõ
“n¨m”.
1.8 G¸n nh·n ch÷ sè “mét”: /m/ /oo/ /t/
G¸n nh·n ©m vÞ /m/ vµ /oo/, gi÷a mét phô ©m mòi vµ mét
nguyªn ©m, t¬ng tù nh trong trêng hîp tõ “n¨m”.

9
§Æng Ngäc §øc - G¸n nh·n mêi ch÷ sè tiÕng ViÖt - last update 10/dd/yy

¢m vÞ /tc/ rÊt khã nhËn biÕt.Thêng nã ®îc nh×n thÊy trªn

biÓu ®å sãng lµ ®o¹n n¨ng lîng ë cuèi tõ, khi c¸c F2,F3 cña
©m vÞ /oo/ ®· hÕt. Cã ®«i khi trªn biÓu ®å sãng ©m vÞ /t/
kÐo dµi kho¶ng 15-20 ms bao gåm vµi xung cã biªn ®é thÊp
kh«ng tuÇn hoµn.
1.9 G¸n nh·n ch÷ sè “hai”: /h/ /a/ /i/

10
§Æng Ngäc §øc - G¸n nh·n mêi ch÷ sè tiÕng ViÖt - last update 10/dd/yy

¢m vÞ /h/ lµ phô ©m x¸t, v« thanh. G¸n nh·n ©m vÞ /h/ t¬ng

tù nh trêng hîp cña ©m vÞ /kh/ trong ch÷ sè “kh«ng”.
Ranh giíi gi÷a hai ©m vÞ: nguyªn ©m /a/ vµ b¸n nguyªn ©m
/i/ thêng rÊt khã ph©n biÖt. Trªn biÓu ®å phæ c¸c formant
cña nguyªn ©m /a/ thêng song song, khi ®é ®Ëm c¸c formant
nµy kÐm ®i vµ gi¶m tÝnh song song (F2,F3)lµ thêi ®iÓm
chuyÓn sang ©m vÞ /i/. Tuy nhiªn h×nh ¶nh biÓu ®å phæ
chØ cho ta vÞ trÝ t¬ng ®èi cña ®iÓm cÇn g¸n nh·n.
§Ó g¸n nh·n chÝnh x¸c cÇn dùa vµo d¹ng sãng, xung quanh vÞ
trÝ chuyÓn tiÕp gi÷a hai ©m vÞ ®îc x¸c ®Þnh b»ng h×nh
¶nh phæ, c¸c xung d¹ng sãng cã sù thay ®æi vÒ biªn ®é, tÇn
sè vµ h×nh d¸ng. Ta sÏ qui íc g¸n nh·n vµo vïng gi÷a sù thay
®æi ®ã. Xem h×nh díi.

§iÓm kÕt thóc cña ©m vÞ /i/ ®îc g¸n nh·n gièng nh trêng hîp
cña ©m vÞ /m/ trong ch÷ “n¨m”.
1.10G¸n nh·n ch÷ sè “s¸u”: /s/ /a/ /u/
¢m ®Çu /s/ lµ phô ©m x¸t, v« thanh. C¸ch g¸n nh·n ©m vÞ /s/
gièng nh trêng hîp ©m vÞ /kh/ trong tõ “kh«ng”.
G¸n nh·n nguyªn ©m /a/ vµ b¸n nguyªn ©m /u/ ®îc thøc hiÖn
nh trong trêng hîp tõ “hai”.

11
§Æng Ngäc §øc - G¸n nh·n mêi ch÷ sè tiÕng ViÖt - last update 10/dd/yy

1.11G¸n nh·n ch÷ sè “bÈy”: /b/ /aa/ /i/

¢m ®Çu /b/ lµ phô ©m t¾c, h÷u thanh. C¸ch g¸n nh·n ©m vÞ
/b/ gièng nh trêng hîp ©m vÞ /ch/ trong tõ “chÝn”.
G¸n nh·n nguyªn ©m /aa/ vµ b¸n nguyªn ©m /i/ ®îc thøc hiÖn
nh trong trêng hîp tõ “hai”.
Tµi liÖu tham kh¶o
[1] NguyÔn Thµnh Phóc. Mét ph¬ng ph¸p nhËn d¹ng lêi ViÖt:
¸p dông ph¬ng ph¸p kÕt hîp m¹ng n¬ ron víi m« h×nh
Markov Èn cho c¸c hÖ thèng nhËn d¹ng lêi ViÖt. LuËn ¸n TiÕn
sÜ Kü thuËt, 2000
[2] T. Lander. CSLU Labeling Guide. Center for Spoken
Language Understanding, Oregon Graduate Institute. 1997.
[3] T. Lander , B.T. Oshika, R.Cole and M. Fanty. Multi-language
Speech Database: Creation and Phonetic Labeling Agreement.
Center for Spoken Language Understanding, Oregon Graduate
Institute. 1997.
[4] R.Cole, B.T. Oshika, M.Noel, T. Lander and M. Fanty.
Labeler Agreement in Phonetic Labeling of Continuous
Speech. Center for Spoken Language Understanding, Oregon
Graduate Institute. 1997.

12