ভিবি এবং ভিয়েতনামী ভাষাকে শক্তিশালী করার প্রচেষ্টা।

ব্যবসায়িক সফর থেকে ফেরা ব্যস্ত ভিড়ের মধ্যে বিমানবন্দরের অপেক্ষাকক্ষে প্রবেশ করে, সিস্টেমে একটি ঘোষণা পড়তে থাকা এক কোমল, পরিচিত নারী কণ্ঠ শুনে হো মিন ডুক কয়েক মুহূর্তের জন্য থমকে দাঁড়ালেন।

ভিবি-র কর্মীরা হ্যানয়তে কোম্পানির সদর দপ্তরে কাজ করছেন - ছবি: কোম্পানি কর্তৃক প্রদত্ত।

স্বস্তি ও আনন্দে সে হাসল, যেন কোনো প্রিয়জনের সঙ্গে তার পুনর্মিলন হয়েছে। সেই 'প্রিয়জন' ছিল সেই ২০ জন এআই ভয়েস অ্যাক্টরের একজন, যাদের সঙ্গে ডাক এবং ভিবি টিম অগণিত দিন ও মাস ধরে কাজ করেছে; শব্দের প্রতিটি সূক্ষ্মতায় নিজেদের হৃদয় ঢেলে দিয়েছে এবং সেগুলোকে ক্রমশ আরও স্বাভাবিক ও মানবিক করে তোলার জন্য প্রতিটি সূক্ষ্মতাকে যত্ন সহকারে তৈরি করেছে।

স্টার্ট-আপগুলির বন্ধুর পথ

ভিবি ডেটা সার্ভিসেস অ্যান্ড সলিউশনস জয়েন্ট স্টক কোম্পানির দুই প্রতিষ্ঠাতা—সিইও হো মিন ডুক এবং সিটিও নগুয়েন থি থু ট্রাং—অসংখ্যবার এমন আনন্দ ও গর্বের অভিজ্ঞতা লাভ করেছেন।

বিভিন্ন পরিস্থিতিতে তাদের এই 'বিশেষ পরিচিতদের' আবার দেখা হতো: স্কুলের লাউডস্পিকার থেকে ভেসে আসা স্পষ্ট কণ্ঠস্বর, দালানকোঠার উষ্ণ সুর, কিংবা অনেক ব্যবসা প্রতিষ্ঠানের স্বয়ংক্রিয় টেলিফোন ব্যবস্থা থেকে আসা পেশাদার কণ্ঠস্বর।

ভিবি-র সৃষ্টিগুলো এখন আর শুধু অ্যালগরিদম ও কোডের ফল নয়; এগুলো সত্যি সত্যি বাস্তব জীবনে প্রবেশ করছে এবং বহু ক্ষেত্রে নীরবে কিন্তু শক্তিশালী অবদান রাখছে।

বই পর্যালোচনা ও সিনেমার ডাবিং থেকে শুরু করে স্বয়ংক্রিয় কল সেন্টার ঘোষণা পর্যন্ত, ভিবি ভয়েস প্রযুক্তিতে নতুন প্রাণ সঞ্চার করেছে।

সেই মূল টিটিএস প্রযুক্তির ‘জননী’ হিসেবে, ড. নগুয়েন থি থু ট্রাং সর্বদা ভিয়েতনামী স্পিচ সিন্থেসিস প্রযুক্তি থেকে উদ্ভূত পণ্যগুলোকে সাধারণ ব্যবহারকারীদের কাছে পৌঁছে দেওয়ার আকাঙ্ক্ষা পোষণ করেছেন—যে প্রযুক্তিতে তিনি প্যারিস ১১ বিশ্ববিদ্যালয়ে তাঁর ডক্টরাল গবেষণাপত্র জমা দেওয়ার সময় থেকেই প্রচুর আবেগ ঢেলে দিয়েছেন।

Vbee-এর শুরুর দিনগুলো ছিল নানা প্রতিবন্ধকতায় পূর্ণ। প্রথম দুই বছর বিনামূল্যে পাওয়া গেলেও, তাদের টেক্সট-টু-স্পিচ (TTS) টুলটি খুব অল্প সংখ্যক ব্যবহারকারীকেই আকৃষ্ট করতে পেরেছিল। কিন্তু এরপর অপ্রত্যাশিতভাবে কোভিড-১৯ একটি মোড় ঘুরিয়ে দেয়।

কঠোর সামাজিক দূরত্ব বিধির সম্মুখীন হয়ে, এফই ক্রেডিট, মোমো, ভিয়েত ক্রেডিট, স্যাকোমব্যাংক ইত্যাদির মতো ব্যবসা প্রতিষ্ঠানগুলোকে হাজার হাজার গ্রাহকের কাছে পৌঁছানোর উপায় খুঁজে বের করতে হয়েছিল। ঠিক তখনই ভিবি একটি সুযোগ পায়: দেনা পরিশোধের অনুস্মারক থেকে শুরু করে স্বয়ংক্রিয় উত্তর প্রদান পর্যন্ত, তাদের পণ্যটি দ্রুত সর্বোত্তম সমাধানে পরিণত হয়। সেই সময়ে, ভার্চুয়াল অ্যাসিস্ট্যান্ট এবং ভার্চুয়াল কল সেন্টার এজেন্টরা ভিবির আয়ের প্রায় ৮০% পর্যন্ত এনে দিত।

মহামারী কমে আসার সাথে সাথে এবং বিশ্ব অর্থনীতিতে মন্দা দেখা দিলে, Vbee একটি নতুন চ্যালেঞ্জের মুখোমুখি হয়। জেনারেটিভ এআই (GenAI)-এর জোয়ার এবং ডিজিটাল কনটেন্টের ধারা এই টিটিএস (TTS) টুলটিকে পুনরুজ্জীবিত করে। আজ, TikTok থেকে শুরু করে YouTube এবং Facebook পর্যন্ত, Vbee-এর এআই কণ্ঠস্বর সর্বত্র বিদ্যমান।

"বর্তমান টিটিএস কন্টেন্টের বেশিরভাগই আমাদের পক্ষ থেকে সরবরাহ করা হয়," হো মিন ডুক গর্বের সাথে জানালেন। বর্তমানে, ভিবি-র সক্রিয় ব্যবহারকারীর সংখ্যা ২০ লক্ষ ছাড়িয়ে গেছে এবং এই সংখ্যা প্রতি মাসে ২০% হারে ক্রমাগত বাড়ছে।

Vbee ২০টিরও বেশি উচ্চ-মানের কোম্পানির কণ্ঠস্বরকে প্রশিক্ষণ দিয়েছে, এবং কাস্টম-অর্ডার করা কণ্ঠস্বরগুলো অন্তর্ভুক্ত করলে, তারা ২০০টিরও বেশি ভিন্ন ভিন্ন এআই কণ্ঠস্বর তৈরি করেছে।

সম্প্রতি গবেষণা করে পরীক্ষার জন্য চালু করা নতুন ভয়েস ট্রান্সক্রিপশন প্রযুক্তির ফলে, এখন একটি নতুন ভয়েসকে প্রশিক্ষণের জন্য মাত্র ৩ মিনিটের ডেটা রেকর্ডিং প্রয়োজন হয়, যেখানে দুই বছর আগে ৪ থেকে ১০ ঘণ্টা রেকর্ডিং করতে হতো।

সিইও হো মিন ডুক এবং সিটিও নগুয়েন থি থু ট্রাং - ভিবি ডেটা সার্ভিসেস অ্যান্ড সলিউশনস জয়েন্ট স্টক কোম্পানির দুই প্রতিষ্ঠাতা - ছবি: কোম্পানি কর্তৃক প্রদত্ত।

ভিয়েতনামী ভাষা বোঝার ক্ষেত্রে আমাদের একটি সুবিধা রয়েছে।

স্পিচ সিন্থেসিস প্রযুক্তির প্রতিযোগিতায় সিইও হো মিন ডুক এমন একটি পর্যায় দেখতে পাচ্ছেন, যেখানে প্রযুক্তি উদ্ভাবনের প্রচেষ্টাগুলো ধীরে ধীরে তার সীমায় পৌঁছে যাবে।

তার মতে, ভিবি শুধু ভিয়েতনামী ভাষার মূল কথন প্রক্রিয়াকরণ প্রযুক্তিই তৈরি করছে না, বরং এমন একটি প্রযুক্তি ব্যবস্থাও গড়ে তুলছে যা ভিয়েতনামী ভাষাকে গভীরভাবে বুঝতে সক্ষম—এর সমস্ত সূক্ষ্মতা, সুরের ওঠানামা এবং অনন্য সংস্কৃতিসহ, যা কেবল প্রকৃত ভিয়েতনামীরাই পুরোপুরি উপলব্ধি করতে পারে।

ভিয়েতনামের টিটিএস (TTS) বাজারের একটি শীর্ষস্থানীয় কোম্পানি হিসেবে, ভিবি (Vbee)-এর দুই প্রধান কর্মকর্তা বিশ্বাস করেন যে তাদের টুলটি ভিয়েতনামী ভাষায় এআই (AI) ভয়েসওভারের জন্য একটি মানদণ্ড হয়ে উঠেছে। ব্যবহারকারীরা শুধু এর নির্ভুলতারই প্রশংসা করেন না, বরং ভিবি দ্বারা তৈরি প্রতিটি কণ্ঠস্বরের মধ্যেকার 'আবেগ'ও অনুভব করেন।

উদাহরণস্বরূপ, ভিয়েতনামী ভাষায় "ngõ" (গলি)-এর মতো একটি শব্দেরও অঞ্চলভেদে অনেক ভিন্ন নাম রয়েছে, যেমন "hẻm," "kiệt," এবং "xẹc"—প্রতিটি শব্দেরই একটি স্বতন্ত্র সূক্ষ্ম অর্থ রয়েছে যা এআই-কে বুঝতে হয়।

এটি অর্জনের জন্য, ভিবি নমুনা ডেটাসেট সংগ্রহে ব্যাপকভাবে বিনিয়োগ করেছে এবং সেইসাথে এআই প্রশিক্ষণের জন্য একটি শক্তিশালী সার্ভার সিস্টেমেও বিনিয়োগ করেছে।

"এ ধরনের আঞ্চলিক সূক্ষ্মতাযুক্ত তথ্য এআই-কে দিয়ে বুঝতে ও সঠিকভাবে প্রক্রিয়াজাত করতে সক্ষম করার জন্য আমাদের অসংখ্য স্যাম্পল সেট তৈরি করতে হয়েছিল এবং প্রসেসিং সার্ভারগুলোর খরচও ছিল অনেক বেশি," সিইও হো মিন ডুক জানান।

ড. নগুয়েন থি থু ট্রাং ভিয়েতনামী ভাষার স্বতন্ত্র সুর ও ব্যাকরণ উদ্ঘাটনের জন্য ভিবি-র মূল টিটিএস প্রযুক্তি নিয়ে গবেষণায় ১৫ বছরেরও বেশি সময় উৎসর্গ করেছেন। তাঁর কাছে, তাঁর মাতৃভাষা হলো অভিব্যক্তির সূক্ষ্মতায় পরিপূর্ণ এক নিগূঢ় জগৎ।

"ভিয়েতনামী একটি অত্যন্ত জটিল ও আকর্ষণীয় ভাষা; এর স্বরধ্বনিগুলোই সবচেয়ে কঠিন দিক এবং এটি বিশ্বের অন্যান্য অনেক প্রচলিত ভাষা থেকে আলাদা। আমি ভাষাটি যত বেশি বুঝব, আমার মডেলটিও তত বেশি নির্ভুল হবে," তিনি ব্যাখ্যা করলেন।

প্রযুক্তিগত যুগে ভিয়েতনামী ভাষা প্রক্রিয়াকরণ সফটওয়্যার সমন্বিত সরঞ্জাম ও ডিভাইসগুলোর একটি অপরিহার্য অংশ হিসেবে ভিবি (Vbee) ক্রমশ নিজেকে প্রতিষ্ঠিত করছে।

প্রতিটি শব্দ ও প্রতিটি কণ্ঠস্বরে, ভিবি টিম শুধু প্রযুক্তি অন্বেষণ ও বিকাশই করে না, বরং তাদের এআই কণ্ঠস্বরে একটি খাঁটি 'ভিয়েতনামী আবেগ' ফুটিয়ে তোলারও চেষ্টা করে।

Vbee নামটি "ভিয়েতনামী BE your Eyes" (নিজের চোখ হও) এর সংক্ষিপ্ত রূপ। দৃষ্টি প্রতিবন্ধীদের জন্য 'চোখ' হিসেবে কাজ করবে এমন একটি যন্ত্র তৈরির আমার প্রাথমিক ইচ্ছা থেকেই এই নামটি এসেছে। তবে, আজকের এই উন্নয়নশীল বিশ্বে, যেখানে বহু মানুষ দৃষ্টিশক্তির চেয়ে শ্রবণশক্তিকে বেশি গুরুত্ব দেয়, আমরা বিশ্বাস করি যে Vbee সকলের জন্যেও 'চোখ' হয়ে উঠবে।

ড. নগুয়েন থি থু ট্রাং (হ্যানয় বিজ্ঞান ও প্রযুক্তি বিশ্ববিদ্যালয়ের তথ্য প্রযুক্তি ও যোগাযোগ অনুষদের জ্যেষ্ঠ প্রভাষক, ভিবি কোম্পানির প্রতিষ্ঠাতা এবং প্রধান প্রযুক্তি কর্মকর্তা)

অডিওবুক অনুরাগীদের একটি সমাবেশ

দৃষ্টিপ্রতিবন্ধী সম্প্রদায়ের সাথে ড. নগুয়েন থি থু ট্রাং-এর গভীর সংযোগ থেকেই ভিবি-র জন্ম। ছাত্রজীবন থেকেই তিনি দৃষ্টিপ্রতিবন্ধীদের সহায়তার জন্য অডিওবুক রেকর্ডিং এবং ভিয়েতনামী টেক্সট-টু-স্পিচ সিস্টেম তৈরির সাথে জড়িত।

এই অভিজ্ঞতাগুলো তাকে ভিয়েতনামী টেক্সট-টু-স্পিচ সফটওয়্যার তৈরি করতে অনুপ্রাণিত করেছিল – যা ছিল Vbee-এর পূর্বসূরি। ২০১৮ সালে, তিনি এবং তার সহপাঠী হো মিন ডুক – যিনি হ্যানয় ইউনিভার্সিটি অফ সায়েন্স অ্যান্ড টেকনোলজির একজন সহপাঠী এবং Socbay.com প্রকল্প ও অডিওবুকের ডিজিটাইজেশনের অভিজ্ঞতাসম্পন্ন – মিলে Vbee প্রতিষ্ঠা করেন, যা ভিয়েতনামে টেক্সট-টু-স্পিচ ক্ষেত্রে একটি অগ্রণী প্রতিষ্ঠান।

ভিবি-র অসামান্য কৃতিত্ব

কোয়ালকম ভিয়েতনাম ইনোভেশন চ্যালেঞ্জ ২০২৪-এর প্রথম পুরস্কার বিজয়ী

- ইয়ুথ স্টার্ট-আপ অ্যাওয়ার্ড ২০২৩-এ বিশেষ পুরস্কার

স্টার্টআপটি গ্র্যাব ভেঞ্চার ইগনাইট ২০২০ অ্যাক্সিলারেশন প্রোগ্রাম জিতেছে।

- ২০১৮ ভিয়েতনাম ট্যালেন্ট অ্যাওয়ার্ডস-এ শীর্ষ পুরস্কার, ২০২০ ভিয়েতনাম ট্যালেন্ট অ্যাওয়ার্ডস-এ দ্বিতীয় পুরস্কার।

তথ্য ও যোগাযোগ মন্ত্রণালয়ের জাতীয় ডিজিটাল রূপান্তর কর্মসূচি ২০২৫-২০৩০-এ ভিয়েতনামের একটি মূল প্রযুক্তি হিসেবে স্বীকৃতিপ্রাপ্ত।

প্রকল্পটি ভিয়েতনাম ডিজিটাল মিডিয়া অ্যাওয়ার্ড ২০১৮ এবং ভিনগ্রুপ ফান্ডিং অ্যাওয়ার্ড ২০১৯ জিতেছে।

আঞ্চলিক দৃষ্টিভঙ্গি

ভিয়েতনামের বাজারে নিজেদের প্রতিষ্ঠিত করার পর, ভিবি দক্ষিণ-পূর্ব এশিয়ায় ব্যবসা সম্প্রসারণের লক্ষ্য নিয়েছে এবং ২০২৬ সালের মধ্যে লাওস, থাইল্যান্ড, কম্বোডিয়া ও ফিলিপাইনের মতো দেশগুলোতে তাদের টিটিএস প্রযুক্তি নিয়ে আসার পরিকল্পনা রয়েছে।

ডক্টর নগুয়েন থি থু ট্রাং-এর মতে, বর্তমানে প্রযুক্তির দ্রুত অগ্রগতি এবং বহুভাষিক মডেলের আবির্ভাব অন্যান্য ভাষার জন্য টিটিএস (শিক্ষক স্থানান্তর) টুল তৈরি করা আরও সহজ করে তুলবে।

বর্তমানে তিনি থাই, চীনা এবং ইংরেজি ভাষার জন্য ভয়েস প্রযুক্তি নিয়ে গবেষণা করছেন, যা আন্তর্জাতিক বাজারে Vbee-এর জন্য নতুন দিগন্ত উন্মোচন করছে।

উৎস: https://tuoitre.vn/vbee-va-no-luc-chap-canh-cho-tieng-viet-20250217102146767.htm