Tóm tắt văn bản tiếng Việt bằng AI có hai kiểu: trích xuất, tức là chọn nguyên văn các câu quan trọng nhất, và tóm lược, tức là viết lại bằng câu mới. Mô hình ngôn ngữ lớn hiện nay mặc định làm kiểu tóm lược, cho bản đọc trôi nhưng có rủi ro thêm thắt, đổi số liệu, sai dấu tên riêng, làm mất chữ "không" hay "chưa". Văn bản cần chính xác tuyệt đối như văn bản pháp lý, biên bản, hợp đồng nên dùng trích xuất hoặc tóm lược có đối chiếu từng ý với câu gốc. Chất lượng tóm tắt vì thế phụ thuộc vào việc chọn đúng kiểu cho đúng văn bản, viết yêu cầu rõ và có bước kiểm, nhiều hơn là vào tên mô hình.
Bài này giải thích hai kiểu tóm tắt và khi nào dùng kiểu nào, các loại mô hình làm tóm tắt tiếng Việt, những lỗi đặc thù khi tóm tắt tiếng Việt, cách xử lý văn bản dài, cách viết yêu cầu tóm tắt cho rõ, và cách kiểm một bản tóm tắt, kể cả vì sao chỉ số tự động như ROUGE không đủ. Cách dùng chatbot tóm tắt tài liệu văn phòng hằng ngày có ở các trang mẹo dùng AI; ở đây là góc công nghệ và chất lượng với tiếng Việt.
Trích xuất và tóm lược: hai kiểu, hai loại rủi ro
Hai kiểu tóm tắt không phải phiên bản tốt và kém của nhau, mà là hai công cụ với điểm mạnh và rủi ro khác nhau. Chọn đúng kiểu là quyết định đầu tiên.
| Tiêu chí | Tóm tắt trích xuất | Tóm lược (viết lại) |
|---|---|---|
| Cách làm | Chấm điểm từng câu, chọn các câu quan trọng nhất | Đọc cả văn bản, viết câu mới |
| Độ trung thành với nguồn | Cao, câu nào cũng có trong bản gốc | Phụ thuộc mô hình, có thể thêm thắt |
| Độ trôi chảy | Rời rạc, câu bị cắt khỏi mạch, đại từ không rõ chỉ ai | Mạch lạc, đọc như văn viết |
| Độ nén | Hạn chế, câu dài vẫn giữ nguyên | Nén mạnh, gộp nhiều ý vào một câu |
| Rủi ro chính | Bỏ sót ý nằm rải rác | Bịa, đổi số, đổi chủ thể, mất phủ định |
| Hợp với | Văn bản pháp lý, biên bản, trích dẫn cần nguyên văn | Tin tức, báo cáo nội bộ, tài liệu đọc để nắm ý |
Một cách kết hợp hay dùng là tóm lược kèm trích dẫn: mỗi ý trong bản tóm tắt đi kèm câu gốc làm căn cứ. Người đọc vừa có bản dễ đọc vừa kiểm được từng ý bằng một cái liếc mắt.
Các loại mô hình làm tóm tắt tiếng Việt
Mô hình mã hoá–giải mã học riêng tiếng Việt. Các mô hình như BARTpho (VinAI) và ViT5 (VietAI) được công bố cho các việc sinh chữ tiếng Việt, trong đó có tóm tắt tin tức. Chúng nhỏ hơn mô hình ngôn ngữ lớn nhiều, tinh chỉnh được trên dữ liệu tóm tắt của riêng bạn, chạy rẻ trên máy chủ riêng. Giới hạn là độ dài đầu vào ngắn và khả năng tóm tắt văn bản khác thể loại với dữ liệu huấn luyện, thường là báo chí.
Mô hình ngôn ngữ lớn đa ngôn ngữ. Tóm tắt được nhiều thể loại, theo nhiều yêu cầu khác nhau như ba gạch đầu dòng, một đoạn cho lãnh đạo, bảng việc cần làm, mà không cần huấn luyện thêm. Cửa sổ ngữ cảnh dài cho phép đưa vào văn bản nhiều trang. Đổi lại, chi phí theo độ dài, dữ liệu gửi ra ngoài nếu dùng dịch vụ, và rủi ro thêm thắt cao hơn khi văn bản dài.
Mô hình nhỏ chạy cục bộ. Hợp với văn bản nhạy cảm không được rời máy. Chất lượng tóm tắt tiếng Việt thấp hơn rõ, hay bỏ sót và lặp, nên dùng cho văn bản ngắn và luôn đối chiếu bản gốc.
Phương pháp trích xuất cổ điển. Các thuật toán chấm điểm câu theo tần suất từ hoặc theo đồ thị liên kết câu vẫn dùng được cho tiếng Việt, đặc biệt khi cần nguyên văn. Với tiếng Việt, tần suất nên tính trên từ đã tách hoặc cụm hai âm tiết, vì tính trên âm tiết đơn làm "học" trong "học sinh" và "khoa học" bị gộp chung.
Lỗi riêng khi tóm tắt tiếng Việt
Ngoài lỗi chung như bỏ sót hay thêm thắt, tóm tắt tiếng Việt có những kiểu sai lặp đi lặp lại. Biết trước giúp bạn kiểm đúng chỗ thay vì đọc lại toàn bộ.
- Mất phủ định. "Dự án chưa được phê duyệt" thành "dự án được phê duyệt" khi mô hình nén câu. Chữ "chưa", "không", "chẳng", "không phải" là thứ cần soát đầu tiên.
- Sai dấu tên riêng. Tên người, tên xã, tên công ty bị đổi dấu khi mô hình viết lại: "Nguyễn Văn Hảo" thành "Nguyễn Văn Hào". Một chữ sai dấu là thành người khác.
- Đổi số liệu và đơn vị. "Hơn 1.200 hộ" thành "1.200 hộ", "tăng 12%" thành "tăng 12 điểm phần trăm", "tỷ" thành "triệu". Dấu chấm và dấu phẩy trong số tiếng Việt ngược với tiếng Anh, mô hình đa ngôn ngữ có thể đọc nhầm.
- Đổi chủ thể. Văn bản tiếng Việt hay lược chủ ngữ ở câu sau; khi tóm tắt, mô hình có thể gán hành động cho sai người hoặc sai cơ quan.
- Địa danh cũ và mới. Văn bản viết trước tháng 7/2025 nhắc huyện, tỉnh cũ; mô hình có thể tự đổi sang tên mới theo hiểu biết của nó, đổi sai, hoặc trộn lẫn. Bản tóm tắt nên giữ nguyên tên trong văn bản gốc.
- Đổi giọng văn và mức độ. "Đề nghị xem xét" thành "yêu cầu", "có thể" thành "sẽ". Với văn bản hành chính, mức độ chắc chắn của động từ là nội dung chứ không phải trang trí.
- Xưng hô sai khi tóm tắt hội thoại. Biên bản cuộc gọi giữa nhân viên và khách có thể bị viết lại với vai trò đảo ngược nếu đại từ trong bản gốc mơ hồ.
Phần lớn các lỗi trên kiểm được tự động một phần: so tập tên riêng và tập con số giữa bản gốc và bản tóm tắt, đánh dấu chữ phủ định bị mất. Phần còn lại cần người đọc.
Văn bản dài: chia, tóm tắt từng phần, rồi gộp
Văn bản dài hơn cửa sổ ngữ cảnh của mô hình phải chia nhỏ. Kể cả khi vừa cửa sổ, nhiều quan sát cho thấy mô hình dễ bỏ sót thông tin nằm giữa ngữ cảnh dài, nên chia vẫn có lợi. Cách phổ biến là tóm tắt tầng: chia văn bản theo chương hoặc mục, tóm tắt từng phần, rồi tóm tắt các bản tóm tắt thành bản cuối.
Chia ở đâu là quyết định quan trọng. Với văn bản tiếng Việt có cấu trúc như báo cáo, đề án, văn bản quy phạm, chia theo đề mục có sẵn. Với biên bản họp hay bản ghi cuộc gọi, chia theo chủ đề thảo luận hoặc theo khoảng thời gian. Mỗi phần nên mang theo tiêu đề và một dòng ngữ cảnh chung như tên văn bản, ngày, người tham dự, để bản tóm tắt từng phần không bị mất chủ thể.
Tóm tắt tầng có rủi ro riêng: lỗi ở tầng dưới bị khuếch đại ở tầng trên, và các ý nhỏ nhưng quan trọng như một điều kiện ngoại lệ có thể bị loại ở tầng đầu. Cách giảm là yêu cầu tầng dưới giữ nguyên mọi con số, tên riêng, thời hạn, điều kiện, và chỉ nén phần diễn giải. Với văn bản quan trọng, giữ lại bản tóm tắt từng phần để người đọc có thể đi xuống chi tiết khi cần.
Viết yêu cầu tóm tắt tiếng Việt cho rõ
Phần lớn bản tóm tắt kém đến từ yêu cầu mơ hồ kiểu "tóm tắt văn bản này". Một yêu cầu tốt nói rõ người đọc, độ dài, những gì phải giữ, những gì không được làm. Các ý dưới đây là ví dụ để bạn ghép thành câu lệnh của mình.
- Người đọc và mục đích: "Tóm tắt cho giám đốc chi nhánh đọc trong hai phút để quyết định có cần họp không."
- Độ dài và hình thức: "Tối đa năm gạch đầu dòng, mỗi dòng không quá hai câu, sau đó một dòng nêu việc cần làm tiếp."
- Giữ nguyên: "Giữ nguyên mọi con số, ngày tháng, tên người, tên cơ quan, tên địa danh đúng như văn bản gốc, không đổi sang tên mới."
- Không được làm: "Không thêm thông tin không có trong văn bản, không suy đoán nguyên nhân, không đánh giá đúng sai."
- Phủ định và mức độ: "Giữ nguyên các chữ không, chưa, đề nghị, có thể; không đổi đề nghị thành yêu cầu."
- Căn cứ: "Sau mỗi gạch đầu dòng, ghi số đoạn hoặc trích một cụm ngắn trong văn bản gốc làm căn cứ."
- Thiếu thông tin: "Nếu văn bản không nêu rõ ai chịu trách nhiệm hoặc thời hạn, ghi là văn bản không nêu."
Trước khi dán văn bản vào dịch vụ bên ngoài, che tên, số định danh, số điện thoại, số tài khoản và thông tin kinh doanh nhạy cảm. Bản tóm tắt vẫn dùng được khi thay tên bằng nhãn như "ông A", "công ty B".
Kiểm bản tóm tắt: ROUGE không đủ, cần thêm người đọc
ROUGE, do Chin-Yew Lin đề xuất năm 2004, là chỉ số phổ biến nhất trong nghiên cứu tóm tắt: nó đo mức trùng lặp từ hoặc cụm từ giữa bản tóm tắt máy và bản tóm tắt mẫu do người viết. Với tiếng Việt, ROUGE có thêm hạn chế: tính trên âm tiết thì "học sinh" và "sinh học" trùng hai âm tiết dù khác nghĩa, tính trên từ thì phụ thuộc công cụ tách từ. Quan trọng hơn, một bản tóm tắt đúng ý nhưng diễn đạt khác bản mẫu bị điểm thấp, còn bản sai phủ định nhưng giữ gần hết chữ lại được điểm cao.
Vì thế ROUGE hợp để so các phiên bản của cùng một hệ thống trong nghiên cứu, không hợp để quyết định một bản tóm tắt cụ thể có dùng được không. Các chỉ số đo mức trung thành với nguồn bằng mô hình chấm hay bằng câu hỏi kiểm tra đang được phát triển, nhưng với tiếng Việt chưa có chuẩn được chấp nhận rộng rãi, nên nếu dùng cần tự kiểm độ tin cậy của chính thước đo.
Cách kiểm thực tế cho tổ chức là một bảng kiểm ngắn mà người đọc trả lời trong vài phút: mọi con số trong bản tóm tắt có trong bản gốc không; tên riêng có đúng dấu không; có ý nào không tìm thấy căn cứ không; có chữ phủ định nào bị mất không; ý quan trọng nhất của bản gốc có mặt không. Chấm định kỳ một mẫu ngẫu nhiên theo bảng này cho bạn tỷ lệ lỗi thật, đáng tin hơn mọi con số tự động.
Câu hỏi thường gặp
AI tóm tắt văn bản tiếng Việt có đáng tin không?
Đáng tin để nắm ý nhanh với văn bản thông thường, chưa đủ tin để thay việc đọc bản gốc với văn bản pháp lý, tài chính, y tế. Lỗi hay gặp nhất là đổi số, sai tên riêng và mất phủ định. Với văn bản quan trọng, dùng tóm tắt kèm căn cứ và kiểm theo bảng.
Nên tóm tắt bằng mô hình tiếng Việt chuyên biệt hay chatbot lớn?
Chatbot lớn tiện cho nhiều thể loại và yêu cầu linh hoạt. Mô hình chuyên biệt nhỏ như các mô hình mã hoá–giải mã tiếng Việt hợp khi khối lượng lớn, thể loại ổn định, cần chạy nội bộ và có dữ liệu để tinh chỉnh. Thử cả hai trên văn bản thật trước khi chọn.
Tóm tắt biên bản họp tiếng Việt từ bản ghi giọng nói có gì khó?
Bản ghi giọng nói đã có lỗi nhận dạng, không chấm câu, không rõ ai nói, nên lỗi cộng dồn. Nên sửa tên người và thuật ngữ trong bản ghi trước, đánh dấu người nói nếu có thể, rồi mới tóm tắt. Luôn xin phép người dự họp trước khi ghi âm.
Vì sao bản tóm tắt hay đổi tên tỉnh, huyện trong văn bản cũ?
Mô hình có thể biết về việc sắp xếp đơn vị hành chính năm 2025 và tự cập nhật tên, hoặc nhớ sai. Cả hai đều làm bản tóm tắt lệch khỏi văn bản gốc. Hãy yêu cầu rõ giữ nguyên tên như trong văn bản, và nếu cần đối chiếu tên mới thì làm ở bước riêng.
Có đo được chất lượng tóm tắt tự động mà không cần người không?
Đo được một phần: so khớp tên riêng, con số, chữ phủ định giữa bản gốc và bản tóm tắt bắt được nhiều lỗi nghiêm trọng. Nhưng mức độ đủ ý, đúng trọng tâm và giọng văn vẫn cần người đọc, ít nhất trên một mẫu ngẫu nhiên định kỳ.
Tóm tắt bài báo của người khác để đăng lại có vi phạm bản quyền không?
Tóm tắt để đọc riêng hay dùng nội bộ khác với đăng lại công khai. Đăng lại bản tóm tắt chi tiết có thể ảnh hưởng quyền của tác giả và cơ quan báo chí. Ghi nguồn, giữ ngắn, và tham khảo quy định về quyền tác giả hiện hành hoặc hỏi người có chuyên môn khi định dùng thương mại.