Adi Vaani ứng dụng AI như thế nào để hồi sinh các ngôn ngữ bộ lạc ở Ấn Độ

Cây cầu số mới cho các ngôn ngữ bộ lạc

Tại một trường tiểu học ở miền Trung Ấn Độ, một giáo viên tiếng Gondi đã dành nhiều năm chuyển những câu tiếng Hindi dài và phức tạp thành lời giải thích đơn giản bằng tiếng Gondi để học sinh có thể hiểu. Thầy dựa vào trí nhớ, nhờ các bậc cao niên giúp đỡ và tìm những từ địa phương phù hợp với các ý tưởng mới. Công việc này chậm chạp và dễ sai sót. Chỉ một sắc thái bị bỏ sót cũng có thể làm thay đổi ý nghĩa, còn thiếu một từ có thể khiến học sinh quay lại dùng ngôn ngữ phổ biến hơn. Đây là thực tế hằng ngày mà nền tảng Adi Vaani mới của Ấn Độ hướng tới thay đổi: nền tảng hứa hẹn một cách nhanh chóng và đáng tin cậy hơn để chuyển tải kiến thức sang tiếng mẹ đẻ của các cộng đồng bộ lạc, đồng thời đưa tiếng nói của họ đến với thế giới rộng lớn hơn.

Ra mắt bản beta ngày 1 tháng 9 năm 2025, Adi Vaani là nền tảng dịch thuật trí tuệ nhân tạo đầu tiên của Ấn Độ được thiết kế dành riêng cho các ngôn ngữ bộ lạc. Nền tảng tập trung vào những ngôn ngữ được hàng triệu người sử dụng tại nhà nhưng hiếm khi xuất hiện trên mạng. Trong phiên bản đầu tiên, nền tảng hỗ trợ dịch trực tiếp giữa tiếng Hindi hoặc tiếng Anh với bốn ngôn ngữ bộ lạc, trong khi việc phát triển thêm các ngôn ngữ khác vẫn đang được tiến hành. Mục tiêu gồm hai phần. Thứ nhất, giúp mọi người tiếp cận thông tin bằng ngôn ngữ họ dùng hằng ngày, từ bài học ở trường và khuyến cáo y tế đến các khoản trợ cấp của chính phủ. Thứ hai, gìn giữ những truyền thống sống bằng cách giúp việc ghi lại lịch sử truyền miệng, bài hát và câu chuyện dưới dạng số bền vững trở nên dễ dàng hơn.

Ấn Độ có bức tranh ngôn ngữ vô cùng đa dạng. Hồ sơ chính phủ ghi nhận hàng nghìn tiếng mẹ đẻ và phương ngữ. Nhiều ngôn ngữ được các cộng đồng nhỏ sử dụng, và quá nhiều ngôn ngữ đã dần biến mất trong những thập niên gần đây. Các ngôn ngữ lớn thường thu hút người học nhờ cơ hội việc làm, làn sóng di cư đến đô thị và truyền thông. Nếu không được hỗ trợ ổn định tại trường học và trong các dịch vụ công, những ngôn ngữ ít người nói sẽ mất dần vị thế. Adi Vaani là nỗ lực trực tiếp nhằm làm chậm đà suy giảm đó và tạo cho người nói một con đường bước vào nền kinh tế số mà không phải từ bỏ tiếng mẹ đẻ.

Adi Vaani là gì và vì sao nền tảng này quan trọng

Adi Vaani là nền tảng AI do chính phủ dẫn dắt, có chức năng dịch văn bản và lời nói giữa tiếng Hindi, tiếng Anh và một số ngôn ngữ bộ lạc được lựa chọn. Nền tảng có ứng dụng di động và cổng thông tin điện tử. Dự án hướng đến cả mục tiêu thực tiễn lẫn văn hóa: giúp người dân bộ lạc tiếp cận các dịch vụ và kiến thức, đồng thời bảo tồn những ngôn ngữ thường được truyền lại qua kể chuyện truyền miệng thay vì lưu trữ bằng văn bản.

Các ngôn ngữ trong phiên bản đầu tiên

Bản beta hỗ trợ bốn ngôn ngữ bộ lạc có cộng đồng người nói đông nhưng thiếu công cụ số.

• Santali
• Mundari
• Bhili
• Gondi

Các nhóm kỹ thuật đang chuẩn bị hỗ trợ tiếng Kui và Garo. Kế hoạch mở rộng dựa trên quy mô cộng đồng người nói, mức độ sẵn có của dữ liệu và sự hiện diện của các đối tác địa phương có thể giúp kiểm chứng bản dịch.

Người dùng có thể làm gì

Adi Vaani tích hợp nhiều chức năng, giúp việc dịch thuật không chỉ gói gọn trong một cú nhấp chuột. Nền tảng hỗ trợ dịch văn bản sang văn bản theo thời gian thực và có thể đọc văn bản thành tiếng bằng chức năng chuyển văn bản thành giọng nói. Nền tảng có thể phiên âm âm thanh bằng chức năng chuyển giọng nói thành văn bản, rồi chuyển bản dịch thành lời nói. Nền tảng cũng tích hợp công nghệ nhận dạng ký tự quang học để trích xuất văn bản từ hình ảnh và trang tài liệu được quét để dịch. Ngoài ra còn có từ điển song ngữ, tài liệu nhập môn cho người mới học và nội dung được tuyển chọn như khuyến cáo dịch vụ công, bài phát biểu thiết thực trong đời sống hằng ngày. Có thể truy cập cổng thông tin qua trang chính thức tại aadivaani.tribal.gov.in.

Công nghệ hoạt động ra sao với các ngôn ngữ ít tài nguyên

Phát triển AI dịch thuật cho các ngôn ngữ có nhiều tư liệu đã khó. Với các ngôn ngữ ít tài nguyên, thách thức còn lớn hơn. Phần lớn ngôn ngữ bộ lạc không có bộ dữ liệu lớn, sạch. Rất ít văn bản song song ghép câu trong ngôn ngữ bộ lạc với câu tương đương bằng tiếng Hindi hoặc tiếng Anh. Cơ sở dữ liệu giọng nói, vốn thiết yếu để huấn luyện hệ thống giọng nói, còn hiếm hơn. Sự khan hiếm này gây khó khăn cho việc huấn luyện các mô hình dịch thuật và giọng nói hiện đại, vốn cần hàng nghìn giờ âm thanh hoặc hàng triệu cặp câu được căn chỉnh mới đạt độ chính xác cao.

Adi Vaani giải quyết khoảng trống đó bằng cách kết hợp học máy với chuyên môn của con người. Các hệ thống dịch thuật dựa trên mô hình nơ-ron sử dụng kiến trúc transformer, học các quy luật bằng cách phân tích nhiều ví dụ về cùng một ý được diễn đạt bằng hai ngôn ngữ. Để thu thập những ví dụ này, nhóm dự án đã phối hợp với người bản ngữ và giáo viên dịch số lượng lớn câu rồi kiểm chứng kết quả. Chẳng hạn, với tiếng Santali, các nhà nghiên cứu và biên dịch viên trong cộng đồng đã chuẩn bị khoảng một trăm nghìn câu tiếng Hindi được căn chỉnh với tiếng Santali, rồi ghép chúng với một ngữ liệu gồm hàng triệu từ. Tư liệu đó trở thành dữ liệu huấn luyện cho các mô hình được rà soát, chỉnh sửa và huấn luyện lại theo từng vòng.

Các hệ thống giọng nói cũng được phát triển theo cách tương tự. Các nhà ngôn ngữ học và cộng tác viên địa phương ghi âm từ, cụm từ và những đoạn văn dài bằng ngôn ngữ đích. Mô hình học cách âm thanh tương ứng với chữ cái ra sao và các từ nối với nhau thế nào trong lời nói tự nhiên. Quá trình này cần thời gian vì mỗi ngôn ngữ có hệ thống ngữ âm, trọng âm và ngữ điệu riêng. Phát âm chính xác là điều thiết yếu để người bản ngữ chấp nhận, vì vậy việc con người rà soát vẫn là khâu cốt lõi trong quy trình.

Ai đang xây dựng nền tảng và dữ liệu được thu thập ra sao

Adi Vaani là nỗ lực của một liên danh. Các viện kỹ thuật lớn dẫn dắt quá trình phát triển công nghệ, với sự tham gia của các đối tác trong mạng lưới nghiên cứu trên khắp Ấn Độ. Các Viện Nghiên cứu Bộ lạc tại những bang như Jharkhand, Odisha, Madhya Pradesh, Chhattisgarh và Meghalaya đóng góp chuyên môn ngôn ngữ, kết nối nhóm dự án với người bản ngữ và giúp định hình bối cảnh văn hóa. Giáo viên, lãnh đạo cộng đồng và các biên dịch viên trẻ hỗ trợ xây dựng từ điển, soạn câu để huấn luyện và dịch truyện dân gian cũng như bài học địa phương.

Công tác thực địa tạo ra khác biệt thực sự. Hơn hai trăm cộng tác viên đã tham gia thu thập và kiểm chứng ngữ liệu cho nhóm ngôn ngữ đầu tiên. Họ xác định từ vựng đặc thù từng vùng, giải quyết khác biệt trong cách dùng và đề xuất từ tương đương rõ ràng hơn cho các thuật ngữ hiện đại vốn có thể không có cách diễn đạt tương ứng trực tiếp. Cách tiếp cận có sự tham gia của con người này giúp các mô hình bám sát lời ăn tiếng nói thực tế trong cộng đồng, thay vì chỉ dựa vào cách dùng trang trọng hoặc học thuật. Dự án đang được thúc đẩy tại các huyện có đông người bộ lạc thông qua các chiến dịch vận động lãnh đạo và tập huấn, giúp trường học, nhân viên y tế và quan chức địa phương nhanh chóng đưa nền tảng vào sử dụng.

Tiến độ, độ chính xác và những giới hạn hiện nay

Bản beta mới là bước khởi đầu và độ chính xác vẫn chưa đồng đều. Người dùng ban đầu cho biết bản dịch tiếng Gondi đôi khi chưa sát nghĩa, nhất là với câu dài hoặc khái niệm trừu tượng. Các nhóm đang tinh chỉnh mô hình bằng dữ liệu mới và phản hồi của người dùng để thu hẹp những khoảng trống đó. Chất lượng dự kiến sẽ tăng khi có thêm tư liệu, nhưng trong thời gian trước mắt, việc rà soát cẩn thận vẫn cần thiết đối với tài liệu chính thức và thông tin có hệ quả nghiêm trọng.

Một hạn chế kỹ thuật khác là sự đa dạng trong cách sử dụng. Mỗi ngôn ngữ đều có các biến thể vùng miền. Chẳng hạn, tiếng Santali có khác biệt giữa Jharkhand, Odisha và Tây Bengal. Tiếng Gondi được sử dụng tại nhiều bang với cách dùng riêng biệt. Phiên bản hiện nay thường chỉ hỗ trợ một dạng chuẩn cho mỗi ngôn ngữ. Mở rộng sang các biến thể vùng miền sẽ cần thêm dữ liệu, thêm người rà soát và hỗ trợ chữ viết khi cần. Một số ngôn ngữ dùng các hệ chữ khác nhau ở từng vùng, ảnh hưởng đến bàn phím, phông chữ cũng như hiệu quả của công nghệ OCR và chuyển văn bản thành giọng nói. Khả năng xử lý những khác biệt này sẽ là phép thử quan trọng về tính hữu ích của ứng dụng đối với đông đảo người dùng, vượt ra ngoài nhóm sử dụng ban đầu.

Cuối cùng, việc đánh giá phải cân bằng giữa tốc độ và độ tin cậy. Các điểm số tự động cho cái nhìn nhanh về chất lượng, nhưng không thể đánh giá sắc thái văn hóa hay mức độ phù hợp của thuật ngữ trong bối cảnh địa phương. Cơ chế tiếp nhận phản hồi có sự tham gia của giáo viên, người cao tuổi và người nói trẻ là cách tốt nhất để phát hiện những cách diễn đạt gượng gạo, đồng thời giữ gìn phong cách và nhịp điệu làm nên bản sắc riêng của mỗi ngôn ngữ.

Trường học, cơ sở y tế và chính quyền địa phương

Giáo dục bằng tiếng mẹ đẻ là một trong những lý do thuyết phục nhất để triển khai dự án này. Học sinh tiếp thu kiến thức mới nhanh hơn khi được học bằng ngôn ngữ các em đã nói ở nhà. Với Adi Vaani, giáo viên có thể nhanh chóng dịch ghi chú trên bảng sang tiếng Santali hoặc Bhili, hoặc đọc to một đoạn khoa học bằng giọng địa phương. Trường học có thể chuẩn bị phiếu bài tập song ngữ để học sinh tiếp thu kiến thức môn học mà vẫn quen thuộc với tiếng mẹ đẻ. Theo thời gian, cách tiếp cận này giúp học sinh chuyển sang học thêm ngôn ngữ khác mà không ảnh hưởng đến khả năng hiểu bài ban đầu.

Truyền thông y tế là một kênh thiết yếu khác. Nhân viên y tế cộng đồng thường phải giải thích triệu chứng, đơn thuốc và khuyến cáo tại những nơi mà trình độ đọc viết hạn chế và rào cản ngôn ngữ có thể cùng lúc gây trở ngại. Các công cụ chuyển văn bản thành giọng nói và chuyển giọng nói thành văn bản có thể biến khuyến cáo in thành đoạn ghi âm rõ ràng bằng ngôn ngữ bộ lạc. OCR có thể giúp tìm kiếm và dịch các áp phích, tờ rơi cũ. Trong tình huống khẩn cấp, thông điệp đơn giản, chính xác bằng ngôn ngữ người dân tin tưởng có thể cứu sống nhiều người.

Chính quyền địa phương cũng được hưởng lợi từ thông tin rõ ràng. Nhiều dịch vụ yêu cầu người dân nắm được quy định về điều kiện thụ hưởng, danh sách giấy tờ cần chuẩn bị và thời hạn. Dịch biểu mẫu, thông báo và thông tin công bố sang tiếng bản địa giúp giảm nhầm lẫn và tăng mức độ tiếp cận. Các cuộc họp thôn có thể dùng ứng dụng để tạo phụ đề cho bài phát biểu hoặc cung cấp bản tóm tắt nhanh. Nông dân có thể theo dõi dự báo thời tiết, giá cả thị trường hoặc khuyến cáo về chất lượng đất mà không phải nhờ người trung gian giải thích từng dòng.

Bảo tồn văn hóa và tri thức

Ngôn ngữ lưu giữ những câu chuyện, bài hát, nghi lễ và tri thức sinh thái. Phần lớn di sản ấy tồn tại trong ký ức và các buổi trình diễn chứ không phải trong sách in. Khi ngôn ngữ mai một, tri thức cũng mất theo. Adi Vaani có thể hỗ trợ một quy trình bảo tồn cơ bản. Lời kể của một người kể chuyện có thể được ghi âm, phiên âm, dịch và lưu trữ kèm siêu dữ liệu. Những công cụ tương tự cũng có thể giúp số hóa bản thảo, biên niên sử làng và kịch bản sân khấu dân gian chỉ tồn tại dưới dạng ảnh quét.

Cổng thông tin của nền tảng tập hợp tư liệu này dưới dạng dễ tiếp cận. Cổng lưu trữ từ điển, tài liệu nhập môn cho người mới học và các bộ nội dung được tuyển chọn như tài liệu nâng cao nhận thức về sức khỏe cùng bản dịch các bài phát biểu cấp quốc gia. Những tài nguyên này giúp cộng đồng thấy ngôn ngữ của mình được sử dụng trong bối cảnh hiện đại, đồng thời tạo điểm khởi đầu cho người trẻ vốn dành nhiều thời gian trên điện thoại. Bên cạnh công cụ công nghệ cao, vẫn cần khai mở các bộ sưu tập cũ. Chẳng hạn, một công trình bách khoa quan trọng về cộng đồng Munda hiện chủ yếu tồn tại dưới dạng các trang được quét. Chuyển những kho lưu trữ như vậy thành văn bản số có thể tìm kiếm sẽ bổ trợ cho nỗ lực dịch thuật và giúp giáo viên, học sinh nghiên cứu nhanh hơn.

Bối cảnh chính sách

Việc ra mắt nền tảng tiếp nối nỗ lực rộng lớn hơn nhằm xây dựng hạ tầng ngôn ngữ số. Trong những năm gần đây, các chương trình cấp quốc gia đã tài trợ việc thu thập dữ liệu và huấn luyện mô hình cho những ngôn ngữ Ấn Độ ít hiện diện trên mạng. Các nỗ lực này tập trung xây dựng bộ dữ liệu, chuẩn hóa cách chuyển tự và phát hành công cụ để mọi người sử dụng trong giáo dục, y tế và dịch vụ công. Ứng dụng dịch thuật phù hợp với các sáng kiến nhằm đưa chương trình của chính phủ đến tận cơ sở và thúc đẩy sự gắn kết giữa các vùng thông qua sự tôn trọng ngôn ngữ.

Dự án có cả lý do về quản trị lẫn công bằng. Khi người dân tiếp cận dịch vụ bằng ngôn ngữ họ hiểu, kết quả sẽ được cải thiện. Học sinh theo học ở trường lâu hơn. Bệnh nhân tuân thủ phác đồ điều trị với ít sai sót hơn. Người dân nộp biểu mẫu đúng hạn và nhận trợ cấp mà không phải đi lại nhiều lần. Bằng cách đưa các ngôn ngữ bộ lạc vào dòng chảy số chủ đạo, dự án có thể giảm trở ngại và giúp các chương trình công tiếp cận đúng đối tượng mà chúng được thiết kế để phục vụ.

Vị thế của Ấn Độ trong nỗ lực toàn cầu

Mai một ngôn ngữ là mối quan ngại toàn cầu. Trên thế giới có hàng nghìn ngôn ngữ được sử dụng và nhiều ngôn ngữ có nguy cơ biến mất trong thế kỷ này. Các tổ chức quốc tế đã kêu gọi hành động khẩn cấp để bảo vệ ngôn ngữ bản địa và thúc đẩy việc sử dụng chúng trong giáo dục cũng như đời sống công cộng. AI có thể góp sức, nhưng phải được xây dựng với sự đồng thuận của cộng đồng, cơ chế quản lý tại địa phương và trọng tâm là tính chính xác về văn hóa. Nếu công cụ bỏ qua thành ngữ hoặc áp đặt từ vựng từ bên ngoài, nó có thể làm xói mòn niềm tin. Nếu công cụ đặt người rà soát trong cộng đồng vào vị trí trung tâm và tạo điều kiện dễ dàng để sửa lỗi, niềm tin có thể được củng cố và chất lượng nhanh chóng cải thiện.

Có những mô hình thành công để tham khảo. Các tổ chức truyền thông và nghiên cứu của người bản địa tại những nơi như New Zealand đã chứng minh rằng bộ dữ liệu do cộng đồng sở hữu cùng cơ chế cấp phép chặt chẽ có thể bảo vệ quyền ngôn ngữ mà vẫn tạo điều kiện phát triển công cụ hiện đại. Kinh nghiệm của họ cho thấy việc quản lý dữ liệu quan trọng không kém kiến trúc mô hình. Cách tiếp cận của Adi Vaani, dựa vào người bản ngữ và các viện nghiên cứu cấp bang để tuyển chọn dữ liệu và kiểm chứng kết quả, áp dụng mô hình đó trong bối cảnh Ấn Độ.

Những điều cần theo dõi trong giai đoạn tiếp theo

Lộ trình hiện đã có hai hướng mở rộng. Tiếng Kui và Garo là những ngôn ngữ dự kiến được bổ sung, đồng thời nhóm dự án đang tăng cường hỗ trợ các hệ chữ và biến thể vùng miền trong những ngôn ngữ hiện có. Ứng dụng đã hoạt động trên Android và có thể sử dụng qua cổng thông tin của chính phủ; trải nghiệm người dùng và khả năng tiếp cận dự kiến sẽ được cải thiện khi mức độ phổ biến tăng lên. Hỗ trợ ngoại tuyến tốt hơn và các mô hình gọn nhẹ hơn sẽ hữu ích tại những nơi kết nối hạn chế, một trở ngại thường gặp ở các huyện xa xôi.

Một hướng khác tập trung vào chiều sâu thay vì độ rộng. Bổ sung từ vựng về trường học, nông nghiệp và y tế sẽ giúp công cụ thiết thực hơn trong đời sống hằng ngày. Các bảng thuật ngữ giải thích khái niệm chuyên môn bằng ví dụ đơn giản có thể hỗ trợ học sinh và nhân viên tuyến đầu. Những cuộc thi trong cộng đồng mời thanh thiếu niên ghi âm và dịch truyện dân gian có thể nhanh chóng làm tăng dữ liệu huấn luyện, đồng thời bảo đảm quyền sở hữu vẫn thuộc về người nói. Hợp tác với các trường cao đẳng sư phạm và trường điều dưỡng có thể thúc đẩy việc sử dụng trên quy mô lớn.

Ngoài ra còn có mục tiêu nghiên cứu dài hạn. Các lãnh đạo dự án mô tả Adi Vaani là nền tảng cho những mô hình ngôn ngữ lớn tập trung vào các ngôn ngữ bộ lạc trong tương lai. Để đạt được điều đó, cần có bộ dữ liệu lớn hơn nhiều, sạch hơn, bao gồm cả văn bản và giọng nói, cùng một khuôn khổ rõ ràng về sự đồng thuận, quyền riêng tư và chia sẻ lợi ích. Nếu những yếu tố này được hoàn thiện, Ấn Độ có thể đưa ra một mô hình AI bao trùm để các quốc gia đa ngôn ngữ khác điều chỉnh và áp dụng.

Điểm chính

• Adi Vaani là công cụ dịch thuật AI mới tập trung vào các ngôn ngữ bộ lạc, ra mắt bản beta ngày 1 tháng 9 năm 2025.
• Phiên bản đầu tiên hỗ trợ tiếng Santali, Mundari, Bhili và Gondi; tiếng Kui và Garo đang được phát triển.
• Nền tảng cung cấp dịch văn bản và lời nói, chuyển văn bản thành giọng nói, chuyển giọng nói thành văn bản và OCR, cùng từ điển và tài liệu nhập môn.
• Người bản ngữ, giáo viên và các Viện Nghiên cứu Bộ lạc đóng góp dữ liệu và kiểm chứng kết quả để nâng cao độ chính xác.
• Độ chính xác vẫn đang được cải thiện, với những thách thức do khác biệt phương ngữ và dữ liệu hạn chế ở các ngôn ngữ ít tài nguyên.
• Giáo dục, y tế và dịch vụ công là những lĩnh vực ưu tiên, hướng tới giảm rào cản ngôn ngữ và cải thiện kết quả.
• Số hóa truyện dân gian và kho lưu trữ cộng đồng là mục tiêu song song nhằm bảo tồn di sản văn hóa sống.
• Dự án phù hợp với các chương trình số hóa và thúc đẩy hòa nhập cấp quốc gia, đồng thời phản ánh lời kêu gọi toàn cầu về bảo vệ ngôn ngữ bản địa.