Project Gutenberg sử dụng AI chuyển văn bản thành giọng nói, phát hành 5.000 cuốn sách nói miễn phí

Sách nói đã trở nên phổ biến trong những năm gần đây nhưng việc tiếp cận là vô cùng khó khăn và tốn kém.

Giờ đây, độc giả có thể nghe hàng nghìn cuốn sách nói về văn học cổ điển miễn phí và các tài liệu thuộc phạm vi công cộng khác thông qua Project Gutenberg. Các nhà nghiên cứu của Microsoft và MIT đã tạo ra bộ sưu tập này bằng cách quét sách bằng phần mềm chuyển văn bản thành giọng nói nghe có vẻ tự nhiên và có thể phân tích định dạng đầy đủ.

Các văn bản bao gồm các tác phẩm của Shakespeare, Agatha Christie, Jane Austen, Leonardo Da Vinci và những người nổi tiếng khác. Người dùng có thể nghe chúng trên Internet Archive, Spotify, Apple Podcasts và Google Podcasts. Mã được sử dụng để xây dựng bộ sưu tập có sẵn trên GitHub.

Apple bắt đầu bán sách nói vào tháng 1 bằng công nghệ chuyển văn bản thành giọng nói tự động. Tuy nhiên, dự án này đã bị xem xét kỹ lưỡng bởi các tác giả văn học vì ứng dụng vào thương mại và những dữ liệu này được dùng để đào tạo AI của công ty. Cách tiếp cận của Gutenberg cũng có thể thể gây ra phản ứng tương tự như Apple vì sử dụng mã nguồn mở.

Dự án Gutenberg đã dành nhiều thập kỷ để tập hợp một thư viện tài liệu miễn phí ở định dạng văn bản và "sách nói" lại giúp tài liệu này trở nên dễ tiếp cận hơn. Chúng hữu ích cho những độc giả đang lái xe, làm việc, khiếm thị, học đọc hoặc học một ngôn ngữ mới.

Vấn đề đầu tiên và quan trọng nhất là xác định những cuốn sách kỹ thuật số nào mà phần mềm có thể phân tích. Project Gutenberg thu thập tài liệu của mình ở nhiều định dạng và nhiều file của nó có lỗi hoặc bản quét không hoàn hảo. Vì vậy, các nhà nghiên cứu đã tập trung vào những cuốn sách được lưu trữ dưới dạng tệp HTML và xây dựng một công cụ (như hình trên) để khám phá những mục nào hiển thị định dạng tương tự.

Một vấn đề khác mà các nhà nghiên cứu đã giải quyết là đảm bảo hệ thống nhận biết được văn bản nào cần đọc hoặc bỏ qua. Nó giải quyết các thành phần như mục lục, số trang, chú thích cuối trang và các tài liệu không liên quan khác.

Hơn nữa, kết quả văn bản được đọc bởi giọng nói tự nhiên của con người. Các nhà nghiên cứu tập trung vào việc truyền tải giọng phù hợp nhất cho các tác phẩm phi hư cấu và tường thuật, nhưng người dùng có thể điều chỉnh phần mềm để thử đọc kịch tính.