Mô hình riêng tiếng Việt dồn toàn bộ dung lượng và bộ từ vựng cho một thứ tiếng, nên thường cắt câu gọn hơn và nắm cách diễn đạt Việt Nam chắc hơn; mô hình đa ngôn ngữ học nhiều thứ tiếng cùng lúc, kiến thức thế giới rộng hơn và chuyển được năng lực học từ tiếng Anh sang tiếng Việt. Không loại nào thắng tuyệt đối. Với nhiệm vụ hẹp, dữ liệu thuần Việt, cần chạy rẻ, mô hình riêng thường hợp; với việc cần suy luận, kiến thức rộng, văn bản trộn Anh–Việt, mô hình đa ngôn ngữ lớn thường hợp hơn.
Bài này giải thích sự khác nhau từ gốc: dữ liệu và bộ từ vựng, kiến thức về Việt Nam, hiện tượng chuyển giao xuyên ngôn ngữ, rồi đặt tất cả vào bảng tiêu chí và vài tình huống cụ thể. Không có bảng xếp hạng hãng hay điểm số ở đây, vì điểm thay đổi theo từng phiên bản và hầu như không trả lời được câu hỏi của dự án bạn đang làm.
Hai cách một mô hình biết tiếng Việt
Một mô hình chỉ biết những gì nó đã đọc khi huấn luyện. Mô hình đơn ngữ tiếng Việt đọc toàn văn bản tiếng Việt: báo chí, sách, Wikipedia, diễn đàn, văn bản pháp quy. Mô hình đa ngôn ngữ đọc một hỗn hợp, trong đó tiếng Anh thường chiếm phần lớn nhất, sau đó là các thứ tiếng nhiều dữ liệu khác, còn tiếng Việt chỉ là một lát mỏng. Tỷ lệ cụ thể khác nhau tuỳ mô hình và nhiều nhà phát triển không công bố đầy đủ, nên đừng tin những con số lan truyền mà không có nguồn.
Điều này dẫn đến hai trực giác dễ sai. Trực giác thứ nhất: mô hình riêng tiếng Việt chắc chắn giỏi tiếng Việt hơn. Không hẳn, vì một mô hình đa ngôn ngữ rất lớn có thể đã đọc lượng tiếng Việt tuyệt đối nhiều hơn một mô hình đơn ngữ nhỏ, dù tỷ lệ thấp. Trực giác thứ hai: mô hình đa ngôn ngữ chỉ dịch ngầm sang tiếng Anh rồi nghĩ. Các nghiên cứu diễn giải mô hình cho thấy biểu diễn bên trong có phần dùng chung giữa các thứ tiếng, nhưng chuyện mô hình nghĩ bằng tiếng Anh là cách nói hình ảnh, giới nghiên cứu còn đang tranh luận mức độ.
Điều chắc chắn hơn là: cùng một cỡ mô hình, cùng một ngân sách huấn luyện, phần dung lượng dành cho tiếng Việt ở mô hình đơn ngữ lớn hơn nhiều. Đó là lý do các mô hình mã hoá cỡ vừa như PhoBERT từng cho kết quả tốt hơn mô hình đa ngôn ngữ cùng thời trên các nhiệm vụ chuẩn tiếng Việt. Khi cỡ mô hình tăng lên rất lớn, khoảng cách ấy thu hẹp và có lúc đảo chiều.
Bộ từ vựng: chỗ khác biệt dễ đo nhất
Mỗi mô hình có một bộ từ vựng cố định gồm hàng chục nghìn đến vài trăm nghìn mảnh, học từ chính dữ liệu huấn luyện. Mô hình đơn ngữ tiếng Việt có bộ từ vựng gần như toàn mảnh tiếng Việt, nên phần lớn âm tiết, thậm chí nhiều từ ghép, là một mảnh. Mô hình đa ngôn ngữ phải chia chỗ cho hàng trăm thứ tiếng và nhiều hệ chữ, nên âm tiết tiếng Việt có dấu, nhất là những âm tiết ít gặp, hay bị cắt thành hai ba mảnh.
Hệ quả thực tế có ba mặt. Một là chi phí: dịch vụ tính tiền theo mảnh, cùng một đoạn văn tiếng Việt có thể tốn nhiều mảnh hơn đoạn tiếng Anh cùng nội dung. Hai là độ dài: cửa sổ ngữ cảnh tính bằng mảnh, nên văn bản tiếng Việt chiếm chỗ nhiều hơn và nhét được ít tài liệu hơn. Ba là tốc độ: sinh nhiều mảnh hơn thì mất nhiều thời gian hơn cho cùng một câu trả lời.
Bạn tự đo được việc này trong vài phút: lấy một đoạn tiếng Việt khoảng 300 chữ và bản tiếng Anh tương đương, đưa qua công cụ đếm mảnh mà nhà cung cấp mô hình công khai, so tỷ lệ. Các thế hệ mô hình đa ngôn ngữ mới thường cải thiện bộ từ vựng cho tiếng Việt so với thế hệ cũ, nên con số đo hôm nay đáng tin hơn mọi nhận xét chung chung. Chi tiết vì sao tiếng Việt bị cắt vụn được bàn kỹ trong danh mục Tiếng Việt khó với máy ở đâu của trang.
Kiến thức về Việt Nam và chuyển giao xuyên ngôn ngữ
Kiến thức địa phương mỏng ở mô hình đa ngôn ngữ. Một mô hình lớn có thể giải thích thuyết tương đối rất trôi nhưng nhầm thứ tự các triều đại Việt Nam, lẫn tên đơn vị hành chính cũ và mới sau sáp nhập năm 2025, hoặc giải nghĩa sai một thành ngữ như "ăn cháo đá bát". Những kiến thức này nằm trong phần dữ liệu tiếng Việt vốn đã mỏng, và các nguồn tiếng Anh viết về Việt Nam lại càng ít.
Mô hình đơn ngữ nhỏ thì thiếu kiến thức thế giới. Ngược lại, mô hình riêng tiếng Việt cỡ nhỏ nắm cách nói tự nhiên nhưng biết ít về khoa học, kỹ thuật, các chủ đề mà tài liệu tiếng Việt chưa nhiều. Hỏi nó câu cần kiến thức chuyên ngành sâu thì câu trả lời nghe rất Việt nhưng nội dung nghèo.
Chuyển giao xuyên ngôn ngữ là lợi thế thật. Mô hình đa ngôn ngữ học cách lập luận, viết mã, giải toán chủ yếu từ dữ liệu tiếng Anh, và năng lực đó phần nào dùng được khi bạn hỏi bằng tiếng Việt. Đây là hiện tượng đã được ghi nhận nhiều lần trong nghiên cứu: tinh chỉnh một nhiệm vụ bằng tiếng Anh rồi thử thẳng trên tiếng Việt vẫn cho kết quả có ý nghĩa, dù thấp hơn so với có dữ liệu tiếng Việt.
Văn bản trộn Anh–Việt. Tin nhắn công sở, tài liệu kỹ thuật, bình luận của người trẻ hay chêm tiếng Anh: "deadline", "meeting", "review code". Mô hình đa ngôn ngữ xử lý tự nhiên kiểu trộn này; mô hình đơn ngữ thường cắt các từ tiếng Anh thành mảnh lạ và hiểu kém.
Văn hoá giao tiếp. Xưng hô anh, chị, em, cô, chú theo vai vế là chỗ mô hình đa ngôn ngữ hay vấp khi sinh chữ, ví dụ xưng "tớ" với khách hàng lớn tuổi. Mô hình học nhiều văn bản Việt nắm quy ước này tốt hơn, nhưng cả hai loại đều cần câu lệnh hoặc tinh chỉnh nói rõ giọng điệu mong muốn.
Bảng tiêu chí để so hai loại
Bảng dưới không xếp loại nào hơn loại nào. Mỗi dòng là một câu hỏi bạn nên tự trả lời cho dự án của mình.
| Tiêu chí | Mô hình riêng tiếng Việt | Mô hình đa ngôn ngữ | Câu hỏi tự kiểm |
|---|---|---|---|
| Số mảnh cho cùng một đoạn tiếng Việt | Thường ít hơn | Thường nhiều hơn, tuỳ thế hệ | Đã đo trên văn bản thật của mình chưa? |
| Cách diễn đạt tự nhiên, xưng hô | Thường chắc hơn | Khá, có lúc giọng dịch | Người đọc cuối có khó tính về giọng văn không? |
| Kiến thức chuyên ngành, thế giới | Hạn chế nếu cỡ nhỏ | Rộng hơn | Việc cần kiến thức ngoài văn bản đầu vào không? |
| Văn bản trộn tiếng Anh | Yếu hơn | Tự nhiên hơn | Dữ liệu có bao nhiêu phần trăm chêm tiếng Anh? |
| Lựa chọn sẵn có | Ít, chủ yếu cỡ nhỏ và vừa | Nhiều cỡ, nhiều nhà cung cấp | Có cần mô hình lớn để sinh chữ dài không? |
| Cộng đồng, công cụ đi kèm | Nhỏ, tài liệu chủ yếu tiếng Việt | Lớn, nhiều thư viện hỗ trợ | Nhóm có đủ người tự xử lý khi gặp lỗi không? |
Đa số dự án sẽ thấy câu trả lời nằm ở hai ba dòng quan trọng nhất với mình, không phải ở tổng điểm của cả bảng. Một hệ thống trả lời khách hàng ở vùng nông thôn coi trọng giọng văn và xưng hô; một công cụ đọc tài liệu kỹ thuật lại coi trọng kiến thức chuyên ngành và văn bản trộn tiếng Anh.
Ba tình huống, ba lựa chọn
Các tình huống dưới đây là ví dụ giả định nhưng phản ánh những kiểu bài toán hay gặp ở doanh nghiệp và cơ quan Việt Nam.
- Phân loại phản ánh của người dân gửi qua cổng trực tuyến của một phường. Văn bản thuần Việt, nhiều cách viết dân dã, nhãn cố định, lưu lượng đều, dữ liệu nhạy cảm không nên gửi ra ngoài. Mô hình mã hoá riêng tiếng Việt cỡ vừa, tinh chỉnh và chạy trên máy chủ nội bộ, là lựa chọn tự nhiên.
- Trợ lý nội bộ trả lời câu hỏi của kỹ sư về tài liệu hệ thống. Tài liệu trộn tiếng Anh dày đặc, câu hỏi cần suy luận, câu trả lời cần viết mạch lạc. Mô hình đa ngôn ngữ lớn kết hợp tìm kiếm tài liệu hợp hơn, có kiểm soát dữ liệu theo chính sách công ty.
- Ứng dụng kể chuyện cho trẻ em bằng tiếng Việt. Cần giọng văn tự nhiên, từ ngữ hợp lứa tuổi, xưng hô đúng, an toàn nội dung. Thường dùng mô hình đa ngôn ngữ lớn có khả năng sinh chữ tốt, cộng câu lệnh và lớp lọc kỹ; nếu có mô hình sinh chữ tiếng Việt đủ tốt và chạy được thì đáng thử so cạnh nhau.
- Trích xuất tên riêng và địa danh từ hàng triệu bài báo cũ. Khối lượng lớn, việc hẹp, cần rẻ. Mô hình mã hoá riêng tiếng Việt tinh chỉnh cho nhận dạng thực thể, kèm danh sách địa danh cập nhật theo đơn vị hành chính hiện hành để đối chiếu.
Điểm chung của bốn lựa chọn: quyết định dựa vào tính chất dữ liệu và ràng buộc vận hành, chứ không dựa vào việc mô hình nào đang được nhắc nhiều trên mạng.
Con đường lai và cách tự so hai ứng viên
Ranh giới giữa hai loại đang mờ dần. Nhiều mô hình tiếng Việt thế hệ sau không học từ con số không mà lấy một mô hình đa ngôn ngữ mở làm gốc, huấn luyện tiếp bằng văn bản tiếng Việt, có khi mở rộng thêm bộ từ vựng. Kết quả giữ được phần lớn kiến thức chung và chuyển giao xuyên ngôn ngữ, đồng thời nói tiếng Việt tự nhiên hơn. Khi đọc giới thiệu một mô hình "tiếng Việt", hãy tìm xem nó học từ đầu hay huấn luyện tiếp từ gốc nào, vì điều đó quyết định phần lớn ưu nhược điểm.
Để so hai ứng viên một cách công bằng, chuẩn bị một bộ khoảng 50 đến 100 mẫu lấy từ dữ liệu thật của bạn, đã che thông tin cá nhân, có đáp án hoặc tiêu chí chấm rõ ràng. Chạy cả hai mô hình với cùng câu lệnh, cùng cài đặt, ghi lại kết quả, chi phí tính theo mảnh và thời gian phản hồi. Nhờ hai người chấm độc lập mà không cho họ biết câu trả lời nào của mô hình nào.
Đừng quên tính phần việc vận hành: ai sẽ cập nhật mô hình, tài liệu đọc ở đâu, có bản sửa lỗi thường xuyên không. Một mô hình tốt hơn vài điểm nhưng không ai trong nhóm hiểu cách bảo trì là món nợ kỹ thuật. Phương pháp đánh giá chi tiết, kể cả bộ câu hỏi thử về kiến thức Việt Nam, nằm ở danh mục Đánh giá chất lượng AI với tiếng Việt của trang.
Câu hỏi thường gặp
Mô hình đa ngôn ngữ có kém tiếng Việt hơn mô hình riêng không?
Không nhất thiết. Ở cùng một cỡ nhỏ và vừa, mô hình riêng thường nhỉnh hơn trên nhiệm vụ thuần Việt. Ở cỡ rất lớn, mô hình đa ngôn ngữ có thể đã đọc nhiều tiếng Việt hơn về lượng tuyệt đối và thường mạnh hơn về suy luận. Cách duy nhất để biết là thử trên dữ liệu của bạn.
Vì sao chatbot đa ngôn ngữ hay xưng hô sai trong tiếng Việt?
Tiếng Anh gần như chỉ có I và you, còn tiếng Việt chọn đại từ theo tuổi, vai vế, mức thân. Dữ liệu tiếng Việt trong mô hình đa ngôn ngữ ít, lại có phần là văn bản dịch, nên mô hình không nắm chắc quy ước. Nói rõ vai và cách xưng hô trong câu lệnh thường sửa được phần lớn lỗi.
Có nên dùng mô hình đơn ngữ cho văn bản trộn nhiều tiếng Anh?
Thường không phải lựa chọn tốt. Bộ từ vựng của mô hình đơn ngữ ít mảnh tiếng Anh nên cắt từ tiếng Anh vụn và hiểu kém. Nếu dữ liệu chêm tiếng Anh nhiều, hãy thử mô hình đa ngôn ngữ trước, hoặc mô hình tiếng Việt được huấn luyện tiếp từ gốc đa ngôn ngữ.
Mô hình tiếng Việt huấn luyện tiếp từ mô hình nước ngoài có còn là mô hình tiếng Việt không?
Đó là cách gọi. Về kỹ thuật, nó là mô hình đa ngôn ngữ được điều chỉnh mạnh về phía tiếng Việt. Điều đáng quan tâm không phải tên gọi mà là gốc nào, dữ liệu tiếng Việt thêm vào là gì, giấy phép của gốc ràng buộc gì với sản phẩm của bạn.
Đo chi phí mảnh của tiếng Việt thế nào cho đúng?
Lấy văn bản thật đại diện cho đầu vào và đầu ra của ứng dụng, không lấy câu mẫu ngắn. Đếm số mảnh bằng công cụ của chính nhà cung cấp, nhân với lượng gọi dự kiến mỗi ngày. Làm phép tính này cho từng ứng viên vì mỗi mô hình có bộ từ vựng riêng.
Có bảng xếp hạng mô hình tiếng Việt đáng tin không?
Có một số bộ điểm chuẩn tiếng Việt do cộng đồng và các nhóm nghiên cứu công bố, hữu ích để lọc sơ bộ. Nhưng điểm chuẩn đo những việc cụ thể trên dữ liệu cụ thể, có thể đã lọt vào dữ liệu huấn luyện. Hãy dùng chúng để chọn ứng viên, rồi tự thử trên việc của mình để quyết.