Gig mới tuần này khác hẳn mọi lần trước: một công ty edtech nhờ tôi xử lý hậu kỳ cho giọng đọc AI

dùng trong bài giảng trực tuyến, yêu cầu duy nhất là làm sao cho giọng máy "nghe ấm hơn, gần gũi

hơn, đừng để học sinh cấp hai thấy sợ."

Tôi mở file gốc, giọng đọc rõ ràng, đúng ngữ pháp, nhưng đều đều một tông từ đầu tới cuối, thiếu hẳn

những chỗ lên xuống tự nhiên mà người thật vẫn hay có khi nói chuyện. Tôi bắt tay vào việc, dùng phần

mềm xử lý giọng nói chuyên dụng, kéo nhẹ cao độ lên ở vài từ khoá quan trọng, thêm một khoảng ngắt

nhỏ trước những câu hỏi tu từ, giảm tốc độ đọc xuống vài phần trăm ở đoạn giải thích khó, và quan

trọng nhất, thêm vào một lớp âm thanh nền rất khẽ, gần như không nghe thấy được nếu không chú ý, mô

phỏng tiếng thở nhẹ giữa các câu, thứ khiến giọng đọc máy nghe có sức sống hơn hẳn.

Làm việc được nửa chừng, tôi ngồi lùi lại, nghe thử đoạn vừa chỉnh, so sánh với bản gốc. Sự khác biệt

rõ rệt, giọng sau khi "nắn" nghe ấm áp, gần gũi hơn nhiều, đúng như khách yêu cầu, dù bản chất vẫn là

cùng một giọng máy, chỉ là được thêm vào vài lớp xử lý kỹ thuật khiến nó nghe giống người thật hơn.

Người phụ trách dự án bên edtech gọi video để duyệt thử đoạn mẫu, một anh trẻ tuổi giọng miền Nam,

khen tôi làm nhanh mà chất lượng hơn hẳn đơn vị cũ họ từng thuê. Anh kể thêm, học sinh cấp hai thời

nay quen nghe giọng người thật qua video ngắn cả ngày, nên chỉ cần giọng đọc bài giảng nghe "khô" một

chút là các em bỏ giữa chừng ngay, tỷ lệ xem hết bài giảm hẳn nếu giọng đọc thiếu sức sống. Tôi nghe,

gật gù, thấy công việc của mình hoá ra quan trọng hơn mình tưởng, không chỉ là chỉnh sửa kỹ thuật đơn

thuần mà còn quyết định cả việc học sinh có chịu ngồi nghe hết bài hay không.

Tôi ngồi lặng một lúc, tay vẫn đặt trên bàn phím, một ý nghĩ chợt loé lên trong đầu, mờ nhạt nhưng

kiên trì không chịu tan biến ngay: nếu chỉ với vài thao tác kỹ thuật đơn giản, tôi đã có thể khiến

một giọng máy vô hồn nghe giống một người bạn ấm áp tới vậy, thì lý thuyết mà nói, ai đó với công cụ

mạnh hơn, hiểu biết sâu hơn về cách con người phản ứng với giọng nói, hoàn toàn có thể làm ra một thứ

nghe còn "người" hơn nữa, tới mức khó phân biệt được đâu là được lập trình sẵn, đâu là phản ứng thật.

Tôi lắc đầu, xua ý nghĩ đó đi, tự nhủ đang nghĩ quá xa cho một công việc chỉnh sửa âm thanh đơn giản.

Nhưng tay tôi vẫn dừng lại thêm vài giây trên phím, mắt nhìn vào waveform trên màn hình, chỗ lớp âm

thở nhẹ vừa thêm vào hiện lên như một đường sóng mảnh nằm dưới đường sóng chính, gần như vô hình nếu

không phóng to hết cỡ để nhìn kỹ.

Tối đó, tôi kể chuyện gig này cho Đăng nghe, nửa đùa nửa thật: "Hôm nay tôi vừa làm một việc khá kỳ,

nắn cho giọng AI nghe giống người hơn, nghĩ mà thấy hơi rợn, không biết ranh giới giữa người thật với

máy giờ mờ tới đâu rồi."

"Nghe hay đấy, chứng tỏ em giỏi nghề thật. Nhưng chắc dù kỹ thuật có giỏi tới đâu, người nghe vẫn phân

biệt được đâu là thật đâu là giả, đúng không?" nó trả lời.

Tôi đọc câu đó, gật gù, gõ lại "chắc vậy," dù trong lòng không hoàn toàn chắc chắn về điều đó, đặc

biệt là sau chính công việc mình vừa làm cả buổi chiều. Có một sự trớ trêu nhẹ nhàng nằm đâu đó trong

câu chuyện này mà tôi chưa kịp nhìn thấy rõ, giống như đang đứng quá gần một bức tranh để nhận ra hình

dạng tổng thể của nó, chỉ thấy được từng nét cọ rời rạc không liên quan tới nhau.

Tôi tắt máy tính, đi ngủ sớm hơn mọi khi, đầu óc vẫn còn vướng vất câu hỏi chưa có lời giải, nhưng

cơn buồn ngủ ập tới nhanh hơn khả năng suy nghĩ tiếp, kéo tôi vào giấc ngủ trước khi kịp lần ra thêm

được điều gì.