JotMe được chọn vì một lý do: độ chính xác. Mỗi ngày, bạn bước vào những cuộc họp mà chỉ một câu dịch sai cũng có thể khiến thông tin quan trọng đi chệch hướng. Đó là lý do số một khiến khách hàng tin dùng JotMe.

Vậy tại sao vẫn có quá nhiều bản dịch AI nghe cứ "gờ gợn", dù rõ ràng chúng đều chạy trên AI?

Trong bài viết này, tôi muốn nói thẳng thắn về cách chúng tôi dùng dữ liệu của bạn để tạo ra những bản dịch AI khớp với đúng công việc của bạn.

Trước hết, phần lớn công cụ dịch ngày nay đã trả về những câu đúng ngữ pháp, nên chúng không hẳn là "sai". Vấn đề nằm ở chỗ khác. Cùng một câu, nhưng tùy ngữ cảnh mà có thể dịch theo nhiều cách rất khác nhau — đây mới là mấu chốt. Khi bạn cảm thấy một bản dịch "chưa tới", nguyên nhân thường là AI không biết người nói đang muốn truyền đạt điều gì, và người nghe thì đã nắm sẵn những thông tin nào.

Lấy một ví dụ, hãy thử câu này:

"The model is hallucinating."

Nếu không có ngữ cảnh, chữ "model" ở đây có thể là một người mẫu thời trang đang bị ảo giác sau khi dùng thuốc, mà cũng có thể là một mô hình AI đang tạo ra thông tin sai lệch.

Nhưng nếu AI biết rằng gần đây bạn đang phát triển một sản phẩm AI và bàn về các tính năng AI mới, nó sẽ chọn đúng nghĩa thứ hai mà không do dự.

Đây chỉ là một ví dụ đơn giản. Càng vào những cuộc trò chuyện phức tạp, khối lượng thông tin càng lớn, thì bài toán "hiểu đúng ngữ cảnh" càng khó hơn nhiều.

Hiểu được điều đó rồi, giờ ta vào phần chính: JotMe đã dùng dữ liệu của bạn ra sao để mang lại những bản dịch chính xác theo ngữ cảnh.

JotMe có hai kiểu dịch

Hoạt động dịch của JotMe chia thành hai nhóm lớn.

1. Dịch trực tiếp (live): phụ đề thời gian thực và dịch từ giọng nói sang giọng nói.
2. Dịch văn bản: bản ghi lời nói, nhập văn bản và tin nhắn chat.

Mỗi kiểu lại dựng "ngữ cảnh" theo một cách hơi khác nhau.

Dịch trực tiếp sử dụng ngữ cảnh của bạn thế nào

Với dịch thời gian thực, chúng tôi tận dụng những nguồn thông tin sau làm ngữ cảnh.

Hồ sơ người dùng

Là tất cả những gì chúng tôi biết về bạn kể từ thời điểm bạn đăng nhập. Để nâng cao độ chính xác dịch thuật, các AI agent của chúng tôi đôi khi còn tra cứu thêm thông tin công khai về bạn trên web.

Bối cảnh công việc

Là những gì bạn thực sự làm trong công việc. Chúng tôi dựng nên từ ghi chú cuộc họp, tin nhắn trên JotMe Chat, các tệp bạn tải lên và những lần bạn tương tác với JotMe AI. Với các khách hàng đủ điều kiện, việc kết nối tới Gmail, Outlook, Notion, Google Drive và Microsoft Teams sẽ tạo nên một bối cảnh công việc phong phú hơn.

Bộ nhớ thời gian thực

Là nội dung đang được nói ngay trong cuộc họp lúc này, liên tục được cập nhật khi cuộc trò chuyện diễn tiến.

Thuật ngữ và tiếng lóng riêng

Bạn có thể tự thêm các thuật ngữ nội bộ hay cách nói đặc thù của ngành. Với các khách hàng đủ điều kiện, những thuật ngữ này còn có thể tự động cập nhật từ bối cảnh công việc.

Nối tiếp với lời nói trước đó

Để bản dịch không bị đứt đoạn, chúng tôi giữ lại một đến hai đoạn dịch ngay trước đó. Nhờ vậy, cả mạch hội thoại nối liền nhau một cách tự nhiên.

Dịch văn bản sử dụng ngữ cảnh của bạn thế nào

Dịch văn bản về cơ bản cũng theo cùng một tư duy. Chỉ khác ở chỗ, thay cho bộ nhớ thời gian thực của giọng nói, nó dùng dòng hội thoại từ trước và các tin nhắn trước đó.

Hồ sơ người dùng và bối cảnh công việc được xây dựng y hệt như ở phần dịch trực tiếp. Điểm riêng của dịch văn bản nằm ở hai yếu tố sau.

Bộ nhớ hội thoại

Là cuộc trao đổi đang diễn ra trong chat, được cập nhật mỗi khi bạn gửi thêm một tin nhắn.

Nối tiếp với tin nhắn trước đó

Bằng cách kế thừa một đến hai tin nhắn ngay trước, bản dịch giữ được sự nhất quán và tự nhiên cho cả đoạn hội thoại. Việc dùng được thuật ngữ và tiếng lóng riêng cũng giống hệt như ở dịch trực tiếp.

AI đã đưa dịch thuật tiến xa. Nhưng vẫn còn một khoảng cách

AI đã nâng chất lượng dịch lên rất nhiều. Dù vậy, vẫn còn một khoảng trống chưa thể lấp đầy.

Như đã nói ở trên, một câu không chỉ có một cách dịch. Khi ngữ cảnh thiếu, AI không thể chắc chắn về ý người nói lẫn bản dịch mà người nghe mong đợi.

Nhưng cũng không phải cứ "nhồi càng nhiều ngữ cảnh càng tốt". Ngữ cảnh quá nhiều đôi khi lại kéo chất lượng dịch đi xuống — hiện tượng thường được gọi là context rot (ngữ cảnh "mục"). Khi thông tin quá tải, mô hình dễ đánh mất đúng những manh mối quan trọng nhất.

Chưa hết, còn một sự đánh đổi với tốc độ. Dịch trực tiếp là một hệ thống thời gian thực: càng nhồi nhiều ngữ cảnh, thời gian để cho ra bản dịch càng dài. Thực tế, trong quá trình thử nghiệm của chúng tôi, có trường hợp phải mất hơn 30 giây mới có kết quả — điều gần như không thể chấp nhận trong một cuộc phiên dịch cuộc họp diễn ra trực tiếp.

Sau nhiều lần thử, đáp án chúng tôi tìm ra là độ trễ trong khoảng 1–5 giây. Trong ngưỡng này, phần lớn mọi người thấy tự nhiên, mà vẫn đủ ngữ cảnh để giữ độ chính xác cao.

Cân bằng ba yếu tố — ngữ cảnh, tốc độ và độ chính xác — sao cho tối ưu nhất chính là một trong những bài toán nghiên cứu cốt lõi mà JotMe đang giải ngay lúc này.

Chúng tôi sẽ tiếp tục phát triển để mang đến bản dịch AI chính xác nhất có thể, thực sự dùng được trong môi trường doanh nghiệp. Hôm nay xin dừng ở đây. Hẹn gặp lại bạn ở bài viết sau.