Buddy.ai phát triển nhận dạng giọng nói và luyện ngôn ngữ cho trẻ em

Thị trường ứng dụng học ngôn ngữ cho trẻ em đang trở nên đông đúc và ngày càng được kiểm tra kỹ lưỡng. Tuần trước, tổ chức phi lợi nhuận Common Sense Media ra mắt Viện An toàn AI cho Thanh thiếu niên (Youth AI Safety Institute), phòng thí nghiệm độc lập đầu tiên thuộc loại hình này được hỗ trợ bởi 20 triệu USD mỗi năm để kiểm thử sức chịu đựng của các sản phẩm AI cho trẻ em – áp lực này đang đến vào thời điểm AI đã chiếm 33,5% doanh thu trên các sản phẩm học ngôn ngữ kỹ thuật số.

Đồng thời, riêng phân khúc trẻ em trong thị trường này dự kiến sẽ tăng vọt từ 2,38 tỷ USD vào năm 2026 lên 5,17 tỷ USD vào năm 2035. Rõ ràng, dòng vốn đang tăng cùng với việc tích hợp AI, và mức độ giám sát cũng vậy.

Nghiên cứu từ Viện AI của Đại học Colorado đã ghi lại khoảng cách một cách rõ ràng: độ chính xác nhận dạng giọng nói thấp hơn đáng kể đối với trẻ em so với người lớn vì hầu hết các hệ thống thương mại được đào tạo trên âm thanh sạch từ người trưởng thành, thường đọc văn bản soạn sẵn.

Một bài báo năm 2024 củng cố lý do tại sao: giọng nói của trẻ em liên quan đến những thay đổi nhanh chóng, khó dự đoán trong cao độ, phát âm và phát triển từ vựng khiến các mô hình được đào tạo cho người lớn gặp khó khăn.

Và, trên thực tế, điều này có nghĩa là một đứa trẻ sáu tuổi học tiếng Anh sẽ nhận được một hệ thống nghe sai, không phản hồi hoặc thậm chí phản hồi sai. Đứa trẻ mất hứng thú với việc học; phụ huynh mất tiền.

Đây là vấn đề mà Ivan Crewkov bắt đầu giải quyết vào năm 2018, bốn năm trước khi các mô hình ngôn ngữ lớn trở thành chủ đề bàn luận phổ biến.

Điểm khởi đầu quen thuộc

Crewkov bước vào lĩnh vực công nghệ giáo dục vì lý do cá nhân. Khi gia đình anh chuyển từ Siberia đến California vào năm 2014, con gái của anh, Sofia, bốn tuổi và đang gặp khó khăn khi học tiếng Anh tại trường mẫu giáo. Anh đã thử mọi công cụ có sẵn và nhận thấy chúng đều có những thiếu sót giống nhau.

“Chúng thường liên quan đến việc đọc, điều mà cô bé chưa biết làm, chúng khiến việc học giống như làm việc và chúng không cung cấp thực hành nói – điều quan trọng đối với trẻ em học một ngôn ngữ mới,” anh nói với Unite AI.

Sau đó, anh chuyển sang các gia sư dạy trực tiếp qua mạng, bắt đầu ghi lại các phiên và nhận thấy điều gì đó anh không ngờ đến. “Giáo viên chỉ đơn thuần đọc từ màn hình của mình,” anh nói, và nhiều người trong số họ không phải là giáo viên được chứng nhận; mỗi buổi học có giá 15 đến 20 đô la.

Với kinh nghiệm về AI, Crewkov nhìn nhận tình huống rất rõ ràng: “Rõ ràng với tôi rằng có lẽ 80% công việc này có thể được thực hiện bằng một nhân vật AI ảo biết nói cùng công nghệ nhận dạng giọng nói. Điều này cũng sẽ giúp nhiều người tiếp cận thị trường hơn đáng kể vì nó cực kỳ tốn kém,”

“Ý tưởng là cung cấp một tháng học tập với chi phí của một buổi học với gia sư,” anh thêm. Ý tưởng đó trở thành Buddy.ai.

Gần 10,8 triệu trẻ nhỏ – 32% tất cả trẻ em dưới chín tuổi ở Mỹ – là trẻ đang học hai ngôn ngữ (DLL), với ít nhất một phụ huynh nói một ngôn ngữ khác ngoài tiếng Anh tại nhà, theo Migration Policy Institute. Kể từ năm 2000, thực tế, dân số này đã tăng 24%, và trẻ DLL hiện chiếm hơn 20% số trẻ nhỏ ở 24 tiểu bang và Washington D.C.

Đây có lẽ là những gia đình có nhiều khả năng tìm kiếm nhất những gì các nền tảng như Buddy.ai cung cấp – và ít có khả năng nhất được tiếp cận ổn định các chương trình giáo dục sớm chất lượng cao, với 43% sống trong các hộ gia đình thu nhập thấp so với 33% trẻ em không phải DLL.

Vì vậy, cơ sở kinh doanh là rõ ràng. Câu hỏi khó hơn là liệu công nghệ thực sự mang lại hiệu quả – và ở đây, phương pháp của Buddy.ai khác biệt đáng kể so với hầu hết các đối thủ.

Được xây dựng riêng từ đầu, không phải điều chỉnh lại

Sự khác biệt mà Crewkov nêu giữa việc xây dựng dành riêng cho trẻ em và điều chỉnh hệ thống sẵn có cho trẻ là kiến trúc, không phải là thẩm mỹ. “Xây dựng AI từ đầu cho trẻ em có nghĩa là chúng tôi đặt giới hạn và thiết kế lại mọi lớp của hệ thống dựa trên giọng nói, hành vi, yêu cầu pháp lý và khả năng tập trung của trẻ em – thay vì cố gắng thêm chế độ trẻ em vào chatbot dành cho người lớn.”

Vấn đề cốt lõi là âm thanh. “Các ngăn xếp LLM của người lớn giả định văn bản và giọng nói của người lớn: câu dài, đúng ngữ pháp, phát âm ổn định và môi trường yên tĩnh. Một đứa trẻ sáu tuổi cho bạn điều ngược lại: phát biểu không đầy đủ, phát âm sai, la hét, giọng địa phương rõ và tiếng ồn nền.”

Hệ thống nhận dạng giọng nói của Buddy đã được đào tạo và liên tục đào tạo lại trên hàng chục nghìn giờ giọng nói thực của trẻ em ở nhiều độ tuổi, với nhiều giọng khác nhau, trong môi trường gia đình ồn ào. Startup này tuyên bố rằng nó hiện vượt trội so với nhận dạng giọng nói chung của Google trên giọng nói của trẻ em, tuyên bố này đáng tin hơn so với ấn tượng ban đầu: đào tạo cụ thể trên đúng nhóm người dùng mục tiêu luôn cho kết quả tốt hơn so với đào tạo trên dữ liệu người lớn.

Lớp hội thoại cũng được xây dựng riêng cho mục đích này. Mỗi phiên hoạt động bên trong những gì Crewkov mô tả là một “lớp quản lý” – một hệ thống có tính đến chương trình học với kế hoạch phiên, chủ đề được xác định rõ và theo dõi mục tiêu. Mô hình ngôn ngữ hoạt động như một thành phần trong cấu trúc đó, chứ không phải toàn bộ sản phẩm.

Nếu một đứa trẻ đi chệch hướng, hệ thống sẽ chuyển hướng; không có sự trôi dạt không giới hạn vào bất cứ điều gì mà một LLM chung chung có thể tạo ra. “Có một kế hoạch phiên, chủ đề được phép, theo dõi mục tiêu và mã điều khiển, chuyển hướng hoặc kết thúc cuộc trò chuyện khi cần – vì vậy một đứa trẻ sáu tuổi không bao giờ chỉ rơi vào trò chuyện internet không giới hạn.”

Quyền riêng tư cũng được coi là ràng buộc trong kiến trúc, đồng thời được thể hiện trong chính sách; nhưng nó còn âm thầm trở thành lợi thế cạnh tranh. Bởi vì Quy tắc Bảo vệ Quyền riêng tư của Trẻ em trên mạng (COPPA) cấm thu thập dữ liệu giọng nói của trẻ em mà không có sự đồng ý của phụ huynh, tập dữ liệu công khai lớn nhất về giọng nói của trẻ em chỉ bao gồm vài trăm giờ.

Buddy.ai đã tích lũy được hàng chục nghìn giờ giọng nói thực của trẻ em ở nhiều độ tuổi, với nhiều giọng khác nhau, trong điều kiện gia đình ồn ào. Hầu hết đối thủ đã chọn con đường dễ dàng hơn bằng cách điều chỉnh LLM dành cho người lớn để dùng cho trẻ em thay vì xây dựng từ đầu, nhưng lối tắt này hiện là một điểm yếu.

Trong trường hợp của Buddy, mọi phép tính AI đều được thực hiện trên cơ sở hạ tầng của nền tảng, giọng nói của trẻ em được xử lý theo thời gian thực và bị loại bỏ trước khi phụ huynh thậm chí nghĩ về nó, và không có cuộc trò chuyện nào được định tuyến qua các API AI thương mại, theo Crewkov.

“Chúng tôi rất rõ ràng với phụ huynh về những gì chúng tôi thu thập, tại sao và làm thế nào họ có thể xóa nó – minh bạch là quan trọng như công nghệ chính nó,” Crewkov nhấn mạnh.

Kể từ khi ra mắt ChitChat, bản cập nhật chính mới nhất trên thị trường Mỹ giới thiệu cuộc trò chuyện tự do tiên tiến hơn, công ty báo cáo rằng học sinh Mỹ đã hoàn thành số bài tập gấp 7,7 lần trong cùng một khoảng thời gian so với năm trước.

Trên toàn cầu, số bài tập trung bình được hoàn thành mỗi tháng đã tăng 3,5 lần hàng năm.

Crewkov là người thẳng thắn về những hạn chế của những con số này. “Thiết kế các nghiên cứu để có thể đo lường học tập của học sinh một cách định lượng là điều chúng tôi hy vọng sẽ làm trong tương lai gần,” anh nói. Tuy nhiên, hiện tại, cơ sở bằng chứng dựa trên phản hồi của người dùng, dữ liệu tương tác sản phẩm và công nhận giải thưởng ngành.

Cách sử dụng không ai dự liệu

Có lẽ khoảnh khắc có ý nghĩa nhất trong câu chuyện Buddy.ai lại xuất hiện ngoài dự kiến: dù không có hoạt động tiếp thị nhắm mục tiêu nào, phụ huynh của trẻ em tự kỷ và chậm nói bắt đầu xuất hiện trong dữ liệu khảo sát trong số những người dùng tích cực nhất của nền tảng.

“Chúng tôi ban đầu khá ngạc nhiên. Điều đó chắc chắn nhấn mạnh rằng có những cách khác mà Buddy có thể giúp học sinh trên khắp thế giới với chi phí phải chăng,” Crewkov nhớ lại.

Đối với người sáng lập, đó không chỉ là một dị thường thú vị – nó chỉ ra một khoảng trống mà sản phẩm không được thiết kế để lấp đầy nhưng rõ ràng có thể. Công ty đã phản ứng bằng cách xây dựng một khóa học Phân tích Hành vi Ứng dụng (ABA) chuyên dụng.

Nhu cầu này rất lớn và đã được ghi nhận rõ. Một báo cáo thị trường năm 2025 cho thấy tỷ lệ tự kỷ ở Mỹ là 1 trong 31 trẻ em ngày nay, tăng từ 1 trong 150 vào năm 2000 – trong bối cảnh liên tục về sự thiếu hụt nhà trị liệu được chứng nhận. Đối với các gia đình không có bảo hiểm đầy đủ, chi phí trị liệu ABA hàng năm có thể đạt 250.000 đô la.

Nghiên cứu của Viện Y tế Quốc gia Hoa Kỳ (NIH) về lý do tại sao các gia đình không nhận được ABA cho thấy các rào cản lại là những vấn đề thực tế rất rõ rệt: lý do phổ biến nhất được trích dẫn bao gồm thời gian chờ đợi dài (34%), thiếu nhà cung cấp ABA trong khu vực (10%) và bảo hiểm không bao gồm liệu pháp (10%). Dữ liệu khảo sát cũng cho thấy rằng hơn một nửa tất cả các quận của Mỹ không có nhà phân tích hành vi được chứng nhận.

Liệu một nhân vật AI có thể cấu thành một can thiệp có ý nghĩa ở mức lâm sàng vẫn còn là một câu hỏi mở – nhưng như một công cụ thực hành ổn định, chi phí thấp và sẵn có theo nhu cầu cho trẻ em nằm trong danh sách chờ dài, giá trị của nó dễ bảo vệ hơn.

“Điều này vẫn còn là một công việc đang tiến hành, nhưng chúng tôi thực sự tự hào về nơi mà sáng kiến này đang đi,” Crewkov nói.

Câu hỏi rộng hơn

Thị trường edtech rộng lớn hơn hiện đang đầy rẫy các công ty đưa ra các tuyên bố tương tự: AI được thiết kế riêng, kiến trúc vững chắc và sản phẩm thực sự giúp người dùng học được. Trên thực tế, thị trường AI trong giáo dục toàn cầu được ước tính sẽ đạt 32,27 tỷ đô la vào năm 2030, và mọi doanh nghiệp lớn đều có một chiến lược cho trẻ em.

Điểm khác biệt trong vị thế của Buddy.ai không nằm ở bản thân các tuyên bố, mà ở quá trình phát triển. Crewkov bắt đầu làm việc về nhận dạng giọng nói của trẻ em từ lâu trước khi làn sóng đầu tư hiện tại biến lĩnh vực này thành xu hướng, và trước khi các LLM giúp người ta dễ dàng xây dựng một gia sư ngôn ngữ nghe có vẻ thuyết phục trong một buổi chiều.

Cơ sở hạ tầng kỹ thuật – các mô hình âm thanh được đào tạo trên giọng nói của trẻ em, kiến trúc có tính đến chương trình học, hệ thống hình đại diện độc quyền – phản ánh gần một thập kỷ liên tục cải tiến để giải quyết vấn đề cụ thể này, không phải là một bước ngoặt nhanh chóng hướng tới một thị trường nóng.

“Trong hai năm, Buddy sẽ có thể cung cấp cho người học tiếng Anh những bài luyện tập cần thiết để tiến bộ từ những từ tiếng Anh đầu tiên đến trình độ thông thạo. Chúng tôi không vội vàng, vì chúng tôi ưu tiên an toàn và riêng tư,” Crewkov giải thích.

Và dưới tất cả là một triết lý thiết kế đi ngược lại với hầu hết suy nghĩ về sản phẩm AI. “Trẻ em sáu tuổi không quay lại vì AI. Các em quay lại vì một nhân vật và một thế giới mà các em cảm thấy mình thuộc về.”

Điều đó khó sao chép hơn một chatbot có cái tên thân thiện. Và, hiện tại, đây là lợi thế dễ bảo vệ nhất của Buddy.ai.