Nền tảng lý thuyết của dự án được tập hợp trong khái niệm chính ["uchitsya-legko.rf — học đọc như giải mã mã chữ viết"](/concepts/uchitsya-legko-rf-obuchenie-chteniyu-kak-deshifrovke-pismennogo-koda). Đây là điểm trung tâm của dự án: mô tả mô hình chung, trạng thái hiện tại và liên kết các khái niệm cụ thể.

Hiện tại, dự án đang ở giai đoạn **Ý tưởng (Idea)**. Lý thuyết cơ bản về việc đọc như một quá trình khôi phục thông tin từ mã chữ viết đã được hình thành. Các thực thể thông tin làm nền tảng cho việc học đã được ghi nhận: đối tượng và tình huống, khái niệm, hình ảnh, từ nói, âm thanh, từ viết, chữ cái và các phần cấu trúc lớn hơn của từ.

Các thành phần chính của lý thuyết:

- [Đọc là nhận diện từ và khôi phục ý nghĩa, chứ không phải là phát âm tuần tự các chữ cái](/concepts/chtenie-eto-raspoznavanie-slova-i-vosstanovlenie-smysla).
- [Từ viết liên kết nhiều biểu hiện của cùng một nội dung](/concepts/pismennoe-slovo-svyazyvaet-neskolko-predstavleniy).
- [Học đọc phải đi từ điểm tựa đã biết đến mã chưa biết](/concepts/obuchenie-chteniyu-ot-izvestnyh-opor-k-neizvestnomu-kodu).
- [Từ vựng nói là cơ sở nhận diện khi học đọc](/concepts/ustnyy-slovar-baza-raspoznavaniya-pri-obuchenii-chteniyu).
- [Từ dài phải được làm rõ thông qua các phần cấu trúc quen thuộc](/concepts/dlinnoe-slovo-cherez-znakomye-strukturnye-chasti).
- [Các gợi ý phải biến mất dần khi các mối liên hệ được làm chủ](/concepts/podskazki-dolzhny-postepenno-ischezat).

Hướng đi thực tế là một hệ thống tương tác, trong đó trẻ bắt đầu với các đối tượng và từ ngữ dễ nhận biết, xác nhận âm thanh của chúng, làm quen với cách viết, phát hiện các yếu tố lặp lại của mã chữ viết và sau đó áp dụng các sự tương ứng tìm được để giải mã các từ mới.

Nguyên tắc quan trọng: hệ thống không được đòi hỏi trẻ phải tiếp thu đồng thời nhiều cấp độ chưa biết. Nếu trẻ chưa biết khái niệm, từ nói, âm thanh và chữ cái của nó, thì từ đó không phù hợp để làm tài liệu bắt đầu. Bài tập tiếp theo phải dựa trên kiến thức đã được xác nhận của riêng đứa trẻ đó.

Giai đoạn tiếp theo của dự án là biến lý thuyết thành cơ chế tương tác tối thiểu và kiểm tra tiêu chí chính: liệu trẻ có khả năng chuyển các mối liên hệ đã thành thạo sang các từ chưa từng gặp trước đó, chứ không chỉ ghi nhớ các ví dụ được hiển thị.

Một dự án học đọc tương tác dưới dạng giải mã dần dần mã chữ viết thông qua các ý nghĩa, hình ảnh và từ ngữ phát âm mà trẻ đã quen thuộc.

uchitsya-legko.rf

Xây dựng phiên bản web đơn giản của MVP dựa trên [khái niệm chính của dự án](/concepts/uchitsya-legko-rf-obuchenie-chteniyu-kak-deshifrovke-pismennogo-koda).

Nguyên mẫu phải có khả năng:

- hiển thị hình ảnh;
- phát lại phát âm đã ghi âm;
- hiển thị cách viết của từ và các thành phần riêng lẻ của nó;
- chấp nhận lựa chọn của trẻ;
- chuyển đổi các nhiệm vụ tùy thuộc vào trạng thái nắm vững đơn giản;
- ẩn các gợi ý riêng lẻ;
- đưa ra ít nhất một từ mới kiểm tra để kiểm tra khả năng chuyển giao;
- ghi lại các câu trả lời và thời gian/thứ tự thử nghiệm với số lượng đủ cho việc phân tích sau này.

Không cần tài khoản, thanh toán, CMS phức tạp, lớp hệ thống thiết kế lớn hoặc cơ chế trò chơi hoàn chỉnh. Giá trị của MVP là một thử nghiệm hoạt động, chứ không phải là một sản phẩm hoàn chỉnh.

Triển khai một nguyên mẫu tương tác hoạt động, trải qua một chu trình học tập hoàn chỉnh mà không cần cơ sở hạ tầng nền tảng thừa thãi.

Xây dựng nguyên mẫu trình duyệt cho MVP tối thiểu

## Bối cảnh

Trong khuôn khổ dự án `учиться-легко.рф`, một nguyên mẫu ban đầu của bộ tổng hợp giọng nói đã được tạo ra bằng Web Audio API mà không cần bản ghi âm. Âm thanh được tạo ra theo dạng tham số: nguồn giọng nói, tiếng ồn và bộ lọc formant xác định trạng thái của âm vị, trong khi sự kết hợp của hai âm thanh được cấu trúc như một chuyển tiếp giữa các trạng thái.

Giả thuyết làm việc:

> **Một âm thanh riêng lẻ có thể được biểu diễn như trạng thái của hệ thống cấu âm - âm học, và sự kết hợp của các âm thanh như một quỹ đạo thời gian chuyển tiếp giữa các trạng thái đó.**

Điều này có khả năng cho phép không lưu trữ các bản ghi sẵn của chữ cái, âm tiết và tổ hợp, mà tổng hợp chúng một cách động và nghiên cứu chính cơ chế chuyển từ âm thanh này sang âm thanh khác.

## Những gì đã có sẵn

Nguyên mẫu có khả năng:

- xác định các nguyên âm tiếng Nga và một phần phụ âm bằng một tập hợp tham số;
- tạo ra âm thanh thông qua Web Audio API;
- phát một âm vị riêng lẻ;
- nội suy trơn tru các tham số giữa hai âm vị;
- phát chuyển tiếp kiểu `М → А`;
- điều khiển chuyển tiếp thông qua thanh trượt `0..1`;
- tính toán riêng biệt giọng nói, tiếng ồn, formant, thành phần mũi và âm lượng.

Việc triển khai hiện tại vẫn còn đơn giản hóa: hầu hết các tham số được nội suy đồng thời và tuyến tính.

## Những gì cần nghiên cứu

### 1. Mô hình âm thanh tiếng Nga

Xác định xem một tập hợp tham số nhỏ có đủ để tổng hợp nhận diện được các âm thanh cơ bản của tiếng Nga hay không.

Tối thiểu cần kiểm tra:

- nguyên âm `а, о, у, э, ы, и`;
- âm vang `м, н, л, р`;
- âm xát `с, з, ф, в, ш, ж, х`;
- âm tắc `п, б, т, д, к, г`;
- các biến thể mềm và cứng của phụ âm.

Cần phải hiểu âm thanh nào có thể được tổng hợp tương đối đơn giản, và âm thanh nào đòi hỏi mô hình đường phát âm phức tạp hơn.

### 2. Chuyển tiếp giữa các âm thanh

Kiểm tra giả thuyết rằng sự kết hợp tự nhiên không thể được mô tả bằng phép nội suy tuyến tính đơn giản của tất cả các tham số.

Đối với các tổ hợp khác nhau, nghiên cứu các quỹ đạo thời gian riêng biệt:

- giọng nói;
- tiếng ồn;
- vị trí formant;
- khoang mũi;
- mức độ chồng lấp/thu hẹp;
- vị trí quy ước của lưỡi và môi;
- thời gian giữ trạng thái đầu tiên;
- thời điểm bắt đầu tái cấu trúc sang trạng thái thứ hai.

Đặc biệt kiểm tra các tổ hợp:

- `ма, мо, му, ми`;
- `са, со, су, си`;
- `па, ба, та, да`;
- các cặp hữu thanh/vô thanh;
- các cặp cứng/mềm.

### 3. Không gắn kết trước với mô hình âm tiết

Không coi âm tiết là đơn vị tổng hợp bắt buộc.

Nghiên cứu quá trình tổng quát hơn:

`chuỗi chữ cái/âm vị → chuỗi trạng thái → quỹ đạo âm thanh liên tục`

Cần phải hiểu liệu có thể dạy trẻ em không phải là ghi nhớ các âm tiết có sẵn, mà là chính sự chuyển tiếp giữa các âm thanh.

Ví dụ:

`М → А → М → А`

có tiềm năng biến thành từ `мама` được phát liên tục mà không cần lưu trữ `МА` như một đối tượng riêng biệt.

### 4. Điều khiển tương tác

Kiểm tra giá trị giáo dục của việc điều khiển chuyển tiếp thủ công.

Ví dụ:

- hiển thị `М` ở bên trái;
- `А` ở bên phải;
- trẻ di chuyển thanh trượt;
- âm thanh thay đổi trong thời gian thực từ `/м/` sang `/а/`;
- sau đó hệ thống tự động phát toàn bộ chuyển tiếp tự nhiên.

Cần kiểm tra xem cơ chế này có giúp hiểu mối liên hệ giữa các âm thanh riêng lẻ và lời nói liên tục hay không.

### 5. So sánh với tổng hợp cấu âm

Nghiên cứu Modular Pink Trombone / Pink Trombone như một tài liệu tham khảo kiến trúc, nhưng không đặt mục tiêu chuyển đổi toàn bộ hệ thống.

Cần xác định mức độ tối thiểu của mô hình vật lý đủ cho nhiệm vụ dạy đọc.

Các lựa chọn có thể:

1. tổng hợp formant đơn giản hóa;
2. sự kết hợp giữa tổng hợp formant và cấu âm;
3. mô hình đường phát âm đầy đủ chỉ dành cho những âm thanh mà mô hình đơn giản là không đủ.

## Tiêu chí kết quả nghiên cứu

Nghiên cứu được coi là hữu ích nếu trả lời được ít nhất các câu hỏi sau:

1. Có thể tổng hợp các âm thanh cơ bản của tiếng Nga mà không cần bản ghi âm với độ nhận diện chấp nhận được không?
2. Những tham số nào là tối thiểu cần thiết cho mỗi lớp âm thanh?
3. Chuyển tiếp giữa hai âm thanh nghe tự nhiên đến mức nào với phép `lerp` đơn giản?
4. Những tham số nào nên bắt đầu và kết thúc chuyển tiếp ở những thời điểm khác nhau?
5. Có thể nhận được các âm `ма`, `са`, `па`, `ми` có thể nhận diện được dưới dạng quỹ đạo mà không cần lưu trữ chúng thành các bản ghi riêng biệt không?
6. Có thể xây dựng một chuỗi dài hơn theo cùng một cách, ví dụ như `мама` không?
7. Việc điều khiển chuyển tiếp thủ công có mang lại hiệu quả giáo dục và giúp trẻ hiểu cách một chuỗi chữ viết biến thành lời nói hay không?

## Sản phẩm kết quả

Dựa trên kết quả nghiên cứu, mong muốn nhận được:

- nguyên mẫu chạy trên trình duyệt hoạt động được;
- mô tả mô hình tham số âm vị;
- một số âm thanh tiếng Nga đã được tinh chỉnh;
- một số chuyển tiếp đã được tinh chỉnh;
- các quan sát về nơi mô hình đơn giản bị phá vỡ;
- quyết định xem có nên phát triển tiếp bộ tổng hợp của riêng mình hay sử dụng công cụ cấu âm hiện có làm nền tảng.

Kiểm tra xem liệu có thể sử dụng tổng hợp tiếng nói tham số để dạy đọc hay không: các âm tiếng Nga riêng lẻ là trạng thái, và sự kết hợp của chúng là các chuyển tiếp có điều khiển.

Nghiên cứu tổng hợp tham số các âm tiếng Nga và các chuyển tiếp giữa chúng

## Mục tiêu

Thêm tính năng phát âm tài liệu học tập đơn giản trên trình duyệt mà không cần backend TTS riêng biệt.

Kịch bản chính:

- trẻ nhìn thấy một chữ cái, âm tiết hoặc từ;
- nhấn nút phát;
- trình duyệt phát âm văn bản tương ứng.

## Cơ sở kỹ thuật

Sử dụng Web Speech API của trình duyệt:

- `SpeechSynthesisUtterance`;
- `window.speechSynthesis.speak()`;
- `window.speechSynthesis.cancel()`;
- `speechSynthesis.getVoices()` để chọn giọng đọc tiếng Nga phù hợp;
- `utterance.lang = 'ru-RU'`.

## Các tính năng cần hỗ trợ

- các chữ cái đơn lẻ;
- âm tiết;
- các từ đơn;
- phát lại nhiều lần;
- hủy phát lại hiện tại trước khi bắt đầu phát mới;
- chọn giọng đọc tiếng Nga nếu có sẵn;
- xử lý việc tải bất đồng bộ danh sách giọng đọc thông qua sự kiện `voiceschanged`.

## Quan trọng

Ở giai đoạn đầu, nhiệm vụ chỉ tập trung vào tính năng phát âm sẵn có của trình duyệt. Không kết hợp nó với các thử nghiệm về bộ tổng hợp giọng nói tự chế và phân tích PCM.

Sử dụng Web Speech API để phát các đơn vị học tập: chữ cái, âm tiết và từ đơn.

Thêm tính năng phát âm trên trình duyệt cho các chữ cái, âm tiết và từ đơn

## Mục tiêu

Thêm hệ thống nhân vật giọng nói (`characters`) vào ứng dụng, qua đó trẻ có thể chọn phong cách lồng tiếng phù hợp theo cách trò chơi hóa.

Lý do chính: trẻ em khác nhau có thể cảm thấy thoải mái hơn với tốc độ nói và cao độ giọng khác nhau. Thay vì các cài đặt kỹ thuật `rate` / `pitch`, hãy cung cấp lựa chọn thông qua các nhân vật dễ hiểu.

## Ý tưởng cơ bản

Mỗi nhân vật lưu trữ một tập hợp các cài đặt cho `SpeechSynthesisUtterance`:

```ts
type VoiceCharacter = {
  id: string
  name: string
  rate: number
  pitch: number
  volume?: number
  voiceName?: string
  avatar?: string
}
```

Ví dụ:

```ts
const characters: VoiceCharacter[] = [
  {
    id: 'calm-bear',
    name: 'Gấu con',
    rate: 0.75,
    pitch: 0.85,
  },
  {
    id: 'default-friend',
    name: 'Bạn bè',
    rate: 1,
    pitch: 1,
  },
  {
    id: 'fast-bird',
    name: 'Chim nhỏ',
    rate: 1.15,
    pitch: 1.35,
  },
]
```

Cách sử dụng:

```ts
const utterance = new SpeechSynthesisUtterance(text)

utterance.lang = 'ru-RU'
utterance.rate = character.rate
utterance.pitch = character.pitch
utterance.volume = character.volume ?? 1
```

## Lựa chọn nhân vật

Cần có một giao diện người dùng lựa chọn nhân vật riêng biệt:

- thẻ có tên và hình ảnh trực quan;
- nút nghe thử;
- nhân vật đang hoạt động/được chọn;
- lưu lựa chọn cho các bài tập tiếp theo;
- khả năng chuyển đổi nhanh chóng sang nhân vật khác.

Lý tưởng nhất là lựa chọn này mang lại cảm giác giống như một cài đặt trò chơi hơn là một cấu hình âm thanh hệ thống.

## Trình tạo nhân vật

Cung cấp ngay một trình tạo riêng biệt nơi bạn có thể tạo nhân vật của riêng mình.

Các tham số tối thiểu:

- tên;
- `rate` — tốc độ nói;
- `pitch` — cao độ giọng nói;
- `volume` nếu cần;
- lựa chọn một trong các giọng đọc hệ thống có sẵn;
- hình ảnh trực quan/ảnh đại diện;
- nghe thử trên một câu kiểm tra.

Ví dụ về trạng thái trình tạo:

```ts
type VoiceCharacterDraft = {
  name: string
  rate: number
  pitch: number
  volume: number
  voiceName?: string
  avatar?: string
}
```

## Khoảng cài đặt

Không hiển thị các giá trị kỹ thuật cho trẻ như giao diện chính. Bên trong có thể sử dụng các phạm vi số của Web Speech API, nhưng giao diện người dùng nên được làm cho dễ hiểu:

```text
Tốc độ:
chậm ←─────●─────→ nhanh

Cao độ:
thấp ←─────●─────→ cao
```

Đối với người lớn/biên tập viên, các giá trị chính xác có thể được hiển thị bổ sung.

## Nghe thử

Trình tạo phải có nút nghe thử:

```ts
const previewCharacter = (
  character: VoiceCharacterDraft,
  text = 'Xin chào! Hãy cùng học nhé.',
) => {
  window.speechSynthesis.cancel()

  const utterance = new SpeechSynthesisUtterance(text)
  utterance.lang = 'ru-RU'
  utterance.rate = character.rate
  utterance.pitch = character.pitch
  utterance.volume = character.volume

  const voice = window.speechSynthesis
    .getVoices()
    .find(item => item.name === character.voiceName)

  if (voice) {
    utterance.voice = voice
  }

  window.speechSynthesis.speak(utterance)
}
```

## Kiến trúc

Điều quan trọng là tách biệt nhân vật khỏi chính cơ chế lồng tiếng.

```text
VoiceCharacter
↓
cài đặt giọng nói
↓
SpeechPlayer / Pronouncer
↓
SpeechSynthesisUtterance
```

Nghĩa là `SpeechPlayer` không được biết về một "Gấu con" hay "Chim nhỏ" cụ thể nào. Nó nhận các tham số đã được chuẩn bị sẵn.

## Lưu trữ

Cần chuẩn bị:

- các nhân vật tích hợp sẵn trong ứng dụng;
- các nhân vật do người dùng tạo;
- nhân vật đang được chọn hoạt động;
- lưu lựa chọn của người dùng giữa các phiên làm việc.

Chọn kho lưu trữ cụ thể trong phạm vi kiến trúc dự án: trạng thái cục bộ, localStorage hoặc thực thể máy chủ nếu các nhân vật cần được đồng bộ hóa giữa các thiết bị.

## Tiêu chí hoàn thành

Trẻ có thể chọn một trong các nhân vật giọng nói có sẵn, nghe sự khác biệt về tốc độ/cao độ nói, sử dụng nhân vật đó để lồng tiếng tiếp theo, đồng thời tạo nhân vật của riêng mình thông qua một trình tạo đơn giản và nghe ngay kết quả.

Tạo các nhân vật giọng nói trong trò chơi với các cài đặt tốc độ và cao độ khác nhau để trẻ có thể chọn tùy chọn thoải mái, đồng thời thêm trình tạo nhân vật tùy chỉnh.

Thêm tính năng lựa chọn và trình tạo nhân vật giọng nói

Xây dựng chiến lược marketing và định vị thương hiệu

## Bối cảnh

Cơ chế hiện tại của dự án bao phủ rất tốt cấp độ tiếp thu chữ viết đầu tiên: làm việc với các từ quen thuộc, âm tiết, tổ hợp và chữ cái.

Cấp độ tiếp theo có chất lượng khác biệt — **đọc câu như một phát ngôn viết có cấu trúc**.

Có thể chuyển sang cấp độ này ngay cả khi đã nắm một phần cấp độ đầu tiên: trẻ không bắt buộc phải biết tất cả các từ và tất cả các tổ hợp chữ cái, nhưng phải có khả năng nhận diện khá tự tin phần lớn các đơn vị chữ viết để sự chú ý có thể chuyển từ các từ riêng lẻ sang cấu trúc của phát ngôn.

## Cấp độ thứ hai bao gồm những gì

Cần phải tính đến ít nhất các yếu tố sau:

- trật tự từ trong câu;
- ranh giới câu;
- dấu chấm;
- dấu phẩy;
- dấu hỏi chấm;
- dấu chấm than;
- dấu hai chấm;
- dấu gạch ngang;
- dấu ngoặc kép;
- dấu ngoặc đơn và các dấu khác tùy theo nhu cầu;
- khoảng dừng;
- sự thay đổi ngữ điệu;
- các mối quan hệ logic và cú pháp giữa các phần của câu.

## Khác biệt so với cấp độ đầu tiên

Ở cấp độ đầu tiên, đối tượng nghiên cứu chính là từ viết và các phần bên trong của nó.

Ở cấp độ thứ hai, một từ riêng lẻ đã trở thành một phần tử của cấu trúc lớn hơn. Cần phải học cách tiếp nhận không chỉ chuỗi các từ mà cả các tín hiệu viết bổ sung, những thứ chi phối cách phát ngôn được đọc và diễn giải.

Dấu câu ở đây không phải là lớp trang trí. Nó mã hóa cấu trúc, khoảng dừng, ngữ điệu và mối quan hệ giữa các phần của phát ngôn.

## Những khó khăn riêng

### Phát âm các dấu câu

Với chữ cái và từ vựng, có thể sử dụng tính năng phát âm trực tiếp phần tử đó. Với các dấu câu, điều này không hiển nhiên như vậy.

Nếu chỉ phát âm đơn giản là "dấu phẩy", "dấu chấm", "dấu hỏi chấm", đứa trẻ sẽ biết tên của ký hiệu, nhưng điều này chưa nhất thiết giải thích được chức năng của nó trong quá trình đọc thực tế.

Nảy sinh một nhiệm vụ riêng: cho thấy mối quan hệ giữa dấu hiệu trực quan và **những gì nó thay đổi trong âm thanh và cấu trúc của cụm từ**.

### Giải thích mục đích

Đối với dấu câu, chỉ nhận dạng hình dáng là chưa đủ. Cần phải dần dần hình thành sự hiểu biết về vai trò của chúng:

- nơi nào cần dừng lại;
- nơi nào ý nghĩ kết thúc;
- nơi nào ngữ điệu thay đổi;
- nơi nào một phần của phát ngôn được tách ra khỏi phần khác;
- cách mà cùng một tập hợp từ có thể được đọc theo những cách khác nhau với các dấu câu khác nhau.

### Tính ngữ cảnh

Ý nghĩa và hiệu ứng của dấu câu không xuất hiện một cách cô lập, mà nằm trong ngữ cảnh của câu. Do đó, cơ chế của cấp độ thứ hai gần như chắc chắn sẽ yêu cầu làm việc không phải với một dấu câu riêng lẻ, mà với tác động của nó trong ngữ cảnh của phát ngôn.

## Mục tiêu của nhiệm vụ

Không phải là mô tả trước cơ chế thực hiện cụ thể, mà là nghiên cứu kỹ lưỡng chính cấp độ thứ hai của việc tiếp thu chữ viết:

- ranh giới của nó;
- thành phần kỹ năng;
- sự phụ thuộc vào cấp độ đầu tiên;
- tiêu chí hoàn thành;
- khối lượng tài liệu;
- các phương pháp kiểm tra khả năng chuyển giao sang các câu mới.

Cơ chế tương tác cụ thể sẽ được thiết kế riêng sau khi cấu trúc của cấp độ trở nên đủ rõ ràng.

Xác định và triển khai cấp độ tiếp theo sau khi đã nắm vững từ vựng: đọc câu có tính đến cấu trúc của văn bản viết, dấu câu, khoảng dừng và ngữ điệu.

Nhiệm vụ

Xây dựng cấp độ thứ hai trong việc tiếp thu chữ viết: đọc câu và dấu câu

Xây dựng chiến lược marketing và định vị thương hiệu

Thêm tính năng lựa chọn và trình tạo nhân vật giọng nói

Thêm tính năng phát âm trên trình duyệt cho các chữ cái, âm tiết và từ đơn

Nghiên cứu tổng hợp tham số các âm tiếng Nga và các chuyển tiếp giữa chúng

Xây dựng nguyên mẫu trình duyệt cho MVP tối thiểu