Ngữ điệu giọng nói, gồm tốc độ, độ cao, độ to, độ căng của giọng và những chỗ ngập ngừng, mang theo nhiều thông tin về cảm xúc và thái độ của người nói, nhiều khi rõ hơn câu chữ. Cùng một câu "ừ, được", giọng có thể cho biết người nói đồng ý vui vẻ, miễn cưỡng hay đang mệt.
Lĩnh vực nghiên cứu phần âm thanh đi kèm lời nói được gọi là cận ngôn. Bài này trình bày những gì nghiên cứu cho thấy về giọng nói và cảm xúc, đặc thù của tiếng Việt khi thanh điệu đã gánh một phần nghĩa của từ, vì sao tin nhắn chữ dễ bị hiểu sai thái độ, giới hạn của phần mềm "đọc cảm xúc qua giọng", và cách dùng giọng nói để giao tiếp rõ ràng hơn.
Giọng nói gồm những tín hiệu gì
Khi nghe một người nói, ngoài nội dung câu chữ, tai chúng ta tiếp nhận cùng lúc nhiều tín hiệu âm thanh. Các nhà nghiên cứu cận ngôn thường tách chúng ra như sau:
- Độ cao: giọng cao hay trầm, và mức độ lên xuống trong câu. Người hào hứng thường có giọng lên xuống nhiều hơn; người mệt hoặc buồn có xu hướng nói đều và thấp hơn.
- Độ to: nói to, nói nhỏ, và sự thay đổi độ to giữa các từ. Nhấn mạnh một từ bằng cách nói to hơn có thể đổi trọng tâm cả câu.
- Tốc độ và nhịp: nói nhanh, nói chậm, ngắt nghỉ ở đâu. Một khoảng dừng trước câu trả lời có thể là đang nghĩ, đang ngại, hay đang không đồng ý.
- Chất giọng: giọng trong, khàn, run, thều thào, căng. Đây là kênh khó kiểm soát hơn, nên thường "lộ" trạng thái như mệt, lo, xúc động.
- Âm thanh ngoài lời: tiếng cười, tiếng thở dài, tiếng "hừm", tiếng tặc lưỡi. Chúng mang thái độ rất mạnh dù không phải là từ.
Không tín hiệu nào đứng riêng mà có nghĩa cố định. Giọng to có thể là giận, là vui, hay chỉ vì người đó đang ở nơi ồn. Giọng trầm và chậm có thể là buồn, là nghiêm túc, hay là thói quen của người đó. Giống như với nét mặt, điều quan trọng là so với giọng bình thường của chính người ấy và đặt trong bối cảnh. Người thân lâu năm nghe giọng nhau qua điện thoại là biết có chuyện, không phải vì họ biết một quy luật chung, mà vì họ đã quen giọng bình thường của nhau suốt nhiều năm.
Nghiên cứu nói gì về giọng nói và cảm xúc
Nhà tâm lý học Thuỵ Sĩ Klaus Scherer và nhiều nhóm khác đã nghiên cứu từ thập niên 1980 về cách cảm xúc thể hiện qua giọng. Các kết quả cho thấy người nghe đoán được một số trạng thái như giận, buồn, sợ, vui qua giọng trên mức ngẫu nhiên, kể cả khi nghe một ngôn ngữ họ không hiểu, nhưng độ chính xác khác nhau nhiều giữa các cảm xúc và giảm khi người nói không cùng văn hoá.
Những âm thanh ngoài lời có vẻ được nhận ra rộng hơn. Năm 2010, nhóm của Disa Sauter công bố nghiên cứu với người Himba ở Namibia, một cộng đồng ít tiếp xúc văn hoá phương Tây, cho thấy một số âm thanh như tiếng cười, tiếng kêu ghê sợ được nhận ra khá tốt giữa hai nền văn hoá, trong khi các âm thanh khác thì kém hơn. Cuộc tranh luận về tính phổ quát ở đây cũng giống như với nét mặt: có điểm chung, nhưng không mạnh và không đồng đều.
Một kết quả đáng chú ý là của Michael Kraus năm 2017: trong một loạt thí nghiệm, người tham gia đoán cảm xúc của người khác chính xác hơn khi chỉ nghe giọng so với khi vừa nghe vừa nhìn. Tác giả giải thích rằng khi có thêm hình, người ta có thể bị phân tán bởi nét mặt, thứ dễ kiểm soát hơn giọng. Kết quả này cần thêm nghiên cứu lặp lại, nhưng gợi ý rằng kênh giọng nói đáng được chú ý hơn mức người ta thường nghĩ.
Tiếng Việt có thanh điệu: cảm xúc đi đường nào
Trong nhiều ngôn ngữ không có thanh điệu như tiếng Anh, độ cao của giọng được dùng tự do để thể hiện cảm xúc và ý hỏi, ý khẳng định. Tiếng Việt thì khác: độ cao và đường nét cao độ đã gánh phần phân biệt nghĩa của từ, như "ma", "má", "mà", "mả". Người nói không thể tuỳ tiện nâng hay hạ một tiếng mà không làm đổi nghĩa.
Điều đó không có nghĩa là người Việt nói ít cảm xúc hơn. Cảm xúc và thái độ vẫn đi qua giọng bằng những đường khác: độ to, tốc độ, độ căng của giọng, khoảng ngắt nghỉ, cách kéo dài một tiếng, và cả việc nâng hay hạ toàn bộ khung giọng của cả câu mà vẫn giữ thanh điệu từng tiếng. Các nghiên cứu ngữ âm học về ngữ điệu tiếng Việt cũng mô tả sự tương tác phức tạp này.
Đặc biệt, tiếng Việt có một kho tiểu từ tình thái rất giàu ở cuối câu: à, ư, nhỉ, nhé, chứ, cơ, mà, đấy, kìa. Nhiều sắc thái mà tiếng Anh thể hiện bằng ngữ điệu thì tiếng Việt thể hiện bằng các từ này. "Đi à?" khác "đi nhé", "đi chứ", "đi đi mà". Đây là lý do khi người học tiếng Việt bỏ các tiểu từ, câu nói của họ nghe cộc lốc dù đúng ngữ pháp, và cũng là lý do giọng đọc tự động đôi khi nghe "đúng mà không có hồn".
Vì sao tin nhắn chữ hay bị hiểu sai thái độ
Mất hẳn kênh giọng. Khi chỉ còn câu chữ, người đọc phải tự tưởng tượng giọng người viết. Họ thường tưởng tượng theo tâm trạng của chính mình, hoặc theo quan hệ hiện tại giữa hai người. Một tin "ok" có thể được đọc là vui vẻ, là hờ hững, là giận, tuỳ người đọc đang nghĩ gì.
Người viết đánh giá quá cao độ rõ của mình. Các nghiên cứu về giao tiếp qua thư điện tử đã ghi nhận người viết thường tin rằng giọng điệu của họ, như đùa hay mỉa, sẽ được hiểu đúng, trong khi người đọc đoán đúng ít hơn nhiều. Người viết "nghe" được giọng của mình trong đầu, người đọc thì không.
Dấu câu và biểu tượng cảm xúc thành ngữ điệu mới. Dấu chấm cuối tin nhắn ngắn, dấu ba chấm, việc có hay không có biểu tượng cảm xúc đã trở thành một kiểu ngữ điệu viết. Nhưng chuẩn mực này khác nhau giữa các thế hệ, nên bố mẹ và con cái có thể đọc cùng một tin nhắn theo hai cách.
Tin nhắn thoại giữ lại được nhiều hơn. Gửi tin nhắn thoại hoặc gọi ngắn khi cần trao đổi chuyện nhạy cảm giúp giữ lại kênh giọng. Đây là lý do nhiều người thấy một cuộc gọi năm phút giải quyết được hiểu lầm mà hai mươi tin nhắn không giải quyết được.
Phần mềm "đọc cảm xúc qua giọng": làm được gì, chưa làm được gì
Một số dịch vụ tổng đài, chăm sóc khách hàng hay tuyển dụng quảng cáo khả năng phân tích cảm xúc qua giọng nói. Bảng dưới tóm tắt ở mức nguyên lý; tính năng cụ thể của từng sản phẩm thay đổi nhanh, cần kiểm phiên bản hiện hành.
| Khía cạnh | Máy làm khá tốt | Còn hạn chế lớn |
|---|---|---|
| Đo đặc điểm âm thanh | Độ to, độ cao, tốc độ, khoảng lặng, chồng lời | Không biết các đặc điểm đó là thói quen hay là phản ứng lúc này |
| Phát hiện thay đổi | Nhận ra cuộc gọi có đoạn giọng to lên, nói nhanh hơn | Không phân biệt chắc giận, hào hứng hay chỉ là môi trường ồn |
| Áp dụng trên nhiều người | Tổng hợp xu hướng trên hàng nghìn cuộc gọi | Dữ liệu huấn luyện thường lệch về một số giọng, vùng miền, độ tuổi |
| Dùng cho quyết định về một người | Gợi ý để người thật nghe lại | Không đủ tin cậy để đánh giá ứng viên, nhân viên, hay "độ thành thật" |
Giọng nói cũng là dữ liệu có thể nhận dạng một người. Nếu nơi làm việc ghi âm và phân tích cuộc gọi, bạn có quyền biết mục đích, phạm vi và thời gian lưu theo quy định bảo vệ dữ liệu cá nhân hiện hành. Khi tự dùng công cụ AI để phân tích bản ghi âm, đừng tải lên giọng của người khác khi chưa được đồng ý, và xoá thông tin nhận dạng trong nội dung.
Dùng giọng nói để giao tiếp rõ ràng hơn
Phần có giá trị nhất của hiểu biết về cận ngôn là điều chỉnh chính giọng của mình, không phải để soi giọng người khác. Vài cách thực hành:
- Ghi âm mình nói một đoạn ngắn trong cuộc họp hay khi giảng bài, nghe lại để nhận ra tốc độ và thói quen như nói nhanh dần hoặc nhỏ dần ở cuối câu, khiến người nghe khó bắt được ý chính.
- Khi nói điều khó như góp ý hay từ chối, hạ tốc độ và giữ giọng ổn định; giọng gấp gáp dễ bị nghe thành gay gắt dù lời lẽ nhẹ nhàng.
- Khi an ủi hay lắng nghe người đang buồn, nói chậm, nhỏ hơn bình thường và để khoảng lặng; không vội lấp đầy im lặng bằng lời khuyên.
- Với người lớn tuổi nghe kém, nói rõ và chậm hơn chứ không chỉ nói to hơn; nói to quá dễ bị hiểu là đang bực.
- Khi nhắn tin chuyện nhạy cảm, viết rõ thái độ bằng lời và dùng tiểu từ tình thái cho mềm, như "mình hỏi lại chút nhé", hoặc chuyển sang gọi điện.
- Khi nghe giọng ai đó khác thường, hỏi nhẹ "hôm nay trông bạn hơi mệt, có chuyện gì không" thay vì kết luận họ đang giận mình.
Nếu bạn quan tâm tới cách người xưa nhìn con người qua tướng mạo, kể cả qua "tướng giọng" trong một số sách tướng cổ, các bài khác của trang trình bày phần đó như tư liệu văn hoá. Bạn cũng có thể xem lá số miễn phí trên AI Huyền Học và đọc như tài liệu tham khảo.
Câu hỏi thường gặp
Có đoán được tính cách qua giọng nói không?
Người nghe thường hình thành ấn tượng rất nhanh từ giọng, ví dụ giọng trầm thường được cảm nhận là chững chạc hơn, nhưng các ấn tượng này không phản ánh chính xác tính cách thật. Giống như với khuôn mặt, chúng nhất quán giữa người nghe mà không đúng về người nói. Không nên dùng giọng để đánh giá ai.
Vì sao nghe lại giọng mình trong bản ghi âm thấy lạ?
Khi bạn nói, âm thanh tới tai qua không khí và qua xương sọ, làm giọng nghe trầm và đầy hơn. Bản ghi âm chỉ có phần đi qua không khí, giống như người khác nghe bạn. Vì vậy hầu hết mọi người thấy giọng mình trong bản ghi cao và mỏng hơn tưởng tượng.
Giọng miền Bắc, miền Trung, miền Nam có khác nhau về cách thể hiện cảm xúc không?
Các phương ngữ khác nhau về hệ thanh điệu và cách phát âm, nên cùng một sắc thái có thể được thể hiện khác nhau. Người quen một phương ngữ đôi khi hiểu sai thái độ của người nói phương ngữ khác, ví dụ nghe là gắt trong khi đó là cách nói bình thường. Đây là khác biệt về thói quen, không phải về tính cách vùng miền.
AI có nhận ra được người đang buồn qua giọng nói không?
Một số hệ thống phát hiện được đặc điểm âm thanh thường đi kèm trạng thái buồn hay mệt, như giọng đều và chậm, nhưng không phân biệt chắc được buồn, mệt, ốm hay chỉ là thói quen nói của người đó. Kết quả không nên được dùng để đánh giá sức khoẻ tinh thần; nếu lo lắng về ai đó, hãy hỏi trực tiếp và khuyến khích họ gặp chuyên gia khi cần.
Có nên gửi tin nhắn thoại thay tin nhắn chữ không?
Tuỳ tình huống. Tin nhắn thoại giữ được giọng nên ít bị hiểu sai thái độ, hợp với lời cảm ơn, xin lỗi, chuyện cần sự ấm áp. Nhưng nó bất tiện khi người nhận đang ở nơi đông người hoặc cần tra lại thông tin. Thông tin cần lưu như địa chỉ, giờ hẹn, con số thì nên gửi bằng chữ.
Giọng đọc AI có thể hiện được cảm xúc không?
Các hệ thống tổng hợp giọng nói hiện nay đã thể hiện được một số sắc thái như vui, trầm, nhấn mạnh, nhưng với tiếng Việt, việc vừa giữ đúng thanh điệu vừa thể hiện ngữ điệu tự nhiên vẫn còn khó. Khi dùng giọng AI cho nội dung nhạy cảm như chia buồn, nên nghe lại kỹ trước khi gửi.