Bài 5 — Code-switching: khi người Việt trộn tiếng Anh

Code-switching là gì và tại sao nó phổ biến ở Việt Nam

Code-switching là việc trộn hai ngôn ngữ trong một câu nói. Người Việt, đặc biệt dân văn phòng và người trẻ, làm điều này liên tục:

• "Cho anh book một cái meeting lúc 3 giờ chiều."
• "Mở playlist nhạc chill đi."
• "Deadline dự án này khi nào em?"
• "Order cho chị ly cold brew nhé."

Đây không phải trường hợp hiếm — với sản phẩm cho người Việt thành thị, code-switching là chuyện MẶC ĐỊNH, không phải ngoại lệ. PM bỏ qua nó là bỏ qua phần lớn cách người dùng thật sự nói.

Tại sao code-switching làm gãy pipeline

Mỗi mắt xích đều gặp khó:

• ASR: mô hình đơn ngữ tiếng Việt gặp từ tiếng Anh sẽ phiên âm bậy ("meeting" → "mít tinh", "book" → "búc"). Mô hình đơn ngữ tiếng Anh thì hỏng phần tiếng Việt.
• NLU: nếu ASR đã ghi sai, ý định (intent) sai theo. Kể cả ghi đúng, NLU phải hiểu "book meeting" = đặt lịch họp.
• TTS: phải đọc câu trả lời trộn ngôn ngữ tự nhiên — đọc "playlist" theo kiểu tiếng Việt nghe rất gượng.

Chiến lược xử lý cho PM

• Chọn ASR đa ngữ (multilingual/code-switch aware): ưu tiên vendor có mô hình huấn luyện trên dữ liệu Việt-Anh trộn, không phải ghép hai mô hình đơn ngữ.
• Xây từ điển thuật ngữ tiếng Anh phổ biến của miền: "book", "meeting", "deadline", "playlist", "order", tên thương hiệu... đưa vào biasing để ASR ưu tiên.
• Chuẩn hóa ở tầng NLU: ánh xạ "book/đặt/schedule" về cùng một intent. Đừng bắt ASR hoàn hảo — cho NLU khoan dung.
• TTS phát âm ngoại lai đúng: đánh dấu (tag) các token tiếng Anh để TTS đọc theo âm Anh, phần còn lại đọc giọng Việt.

Ví dụ cụ thể

Trợ lý cho ứng dụng công việc. Người dùng nói: "Book cho anh cái meeting với team marketing lúc 2h."

• ASR đơn ngữ Việt ra: "Búc cho anh cái mít tinh với thim ma kê tinh lúc 2h" → NLU không hiểu.
• Sau khi thêm từ điển thuật ngữ + ASR code-switch: "Book cho anh cái meeting với team marketing lúc 2h" → NLU ánh xạ "book meeting" = tạo lịch họp, trích "team marketing", "14:00". Đặt lịch thành công.

Bài học: đầu tư vào TỪ ĐIỂN THUẬT NGỮ MIỀN thường cho ROI cao hơn đổi cả mô hình.

Khung tư duy: bản đồ code-switching của sản phẩm

Lập bảng những từ tiếng Anh người dùng HAY trộn, theo miền:

Bảng này là input trực tiếp cho biasing ASR và mapping NLU. Cập nhật nó bằng log thật định kỳ.

Checklist code-switching

• [ ] ASR có hỗ trợ code-switch Việt-Anh (không phải ghép 2 mô hình đơn ngữ)
• [ ] Đã lập bản đồ từ tiếng Anh thường trộn theo miền
• [ ] Từ điển thuật ngữ đã đưa vào biasing ASR
• [ ] NLU ánh xạ đồng nghĩa Việt-Anh về cùng intent
• [ ] TTS đọc token tiếng Anh đúng âm
• [ ] Có vòng lặp cập nhật từ điển từ log thật

Sai lầm thường gặp

• Giả định người dùng nói tiếng Việt "thuần": thiết kế test chỉ có câu thuần Việt, ra thị trường mới vỡ.
• Ghép hai mô hình đơn ngữ: gãy ngay ở ranh giới chuyển ngôn ngữ trong một câu.
• Bắt ASR phải hoàn hảo: không tận dụng NLU để khoan dung với biến thể chính tả.
• Không cập nhật từ điển: xu hướng từ mượn mới (tên app, trend) thay đổi liên tục mà không theo kịp.

Bài 6 khép lại khóa học với chủ đề nhạy cảm nhất: quyền riêng tư always-listening.