Tôi đã tạo dịch vụ "What is My Korean Name?"
(jangmoonjang.com)Sau một thời gian dài kể từ khi vibe coding trở thành chủ đề nóng, giờ đây quan điểm cho rằng phát triển dựa trên tác nhân như oh-my-opencode, vượt lên trên cả vibe coding, sẽ trở thành trung tâm của môi trường kỹ thuật phần mềm tương lai đang ngày càng lan rộng.
Công ty tôi cũng cung cấp các dịch vụ như cursor, nhưng vì công ty khá thận trọng trong việc giao các dịch vụ ở cấp độ production cho AI, nên tôi đã tự mình thử làm để trực tiếp trải nghiệm vibe coding.
Tôi đã tạo một dịch vụ dành cho người nước ngoài: khi nhập tên/họ tiếng Anh, hệ thống sẽ tạo họ/tên tiếng Hàn dựa trên phát âm, ánh xạ sang Hán tự và còn cung cấp cả ý nghĩa của chúng.
Đối với chuyển đổi âm thanh, tôi sử dụng gói Epitran để chuyển sang Ký hiệu Ngữ âm Quốc tế (International Phonetic Alphabet, IPA) và dùng phương pháp so khớp dựa trên khoảng cách. Ví dụ, "장칼국수" được chuyển sang IPA là "t͡ɕaŋ kʰaɭɡuk̚su", rồi khi chuyển lại sang tiếng Anh sẽ thành chang kalguksu.
Ý tưởng này xuất phát từ trải nghiệm của tôi khi trò chuyện với người nước ngoài, thường dùng việc tạo tên tiếng Hàn theo phát âm như một cách phá băng, và tôi cũng nghĩ cách cấu tạo tên rất đặc trưng của Hàn Quốc có thể khơi gợi cảm giác orientalism ở người nước ngoài.
Vì rất khó kiếm dữ liệu về tên người, nên tôi đã dùng Gemini để 1. lấy các Hán tự thường được dùng trong tên, 2. tạo ra những cái tên có vẻ như thực sự sẽ được sử dụng, và 3. gắn ý nghĩa cho các Hán tự đó.
Trong toàn bộ quy trình phát triển, tôi không chỉnh sửa lấy một dòng code nào; mọi bước đều được phát triển bằng Gemini CLI và Antigravity của Google.
Khi đưa dự án lên AWS, Gemini đã đề xuất tổ hợp Amplifier + Lambda và tôi làm đúng như vậy. 1. Tôi còn chưa từng nghe về Amplifier, nhưng chỉ qua trao đổi là đã hiểu ngay; 2. việc chạy Lambda chậm hơn kỳ vọng nên tôi đã kiểm tra code và yêu cầu chỉnh sửa. Tôi có cảm nhận rằng nhiều thao tác GUI mà người dùng vẫn phải tự làm, như phát hành khóa xác thực, vẫn chưa được tích hợp hoàn toàn, nhưng ngay cả điều đó cũng có vẻ chỉ còn là vấn đề thời gian.
Những thứ như gói Epitran hay Amplifier nói trên đều là những thứ tôi hoàn toàn không biết, và chính Gemini là bên đề xuất trước khi tôi chỉ đưa ra yêu cầu. AI đáp ứng cực nhanh phần khó thứ hai của việc học là "mình cần phải biết điều gì?". (Phần khó thứ nhất là "mình không biết điều gì?")
Dù đây là một dự án mang tính thú vị, không gắn lấy một quảng cáo nào, tôi vẫn định quảng bá ở nhiều nơi và cả chạy quảng cáo trên Facebook.
Mục tiêu năm 2026 của tôi là xác lập bản ngã như một producer thay vì một người làm thuê cho công ty, nên tôi muốn thực hiện khoảng 3 dự án ở mức sản phẩm như thế này, rồi dựa trên đó lập đội ngũ để hướng tới những dự án lớn hơn và khó hơn.
3 bình luận
Sẽ tốt hơn nếu có thể thử riêng họ và tên, nhưng vì không phải vậy nên có vẻ không được hài lòng như mong đợi.
Tôi đã nhập ví dụ là Angelina Jolie thì ra Choi Aerin. Có lẽ tôi khó mà chấm điểm cao cho dịch vụ này haha;
Tôi không thấy có cảm giác nó thực sự khớp với cái tên đã nhập lắm... có ví dụ hay nào không ạ
Bạn đã thử tên nào chưa? Khi ghép họ -> họ, tên -> tên thì với phần họ, do mức độ đa dạng ít hơn rất nhiều so với tên (50 cái) nên cũng khá hay có trường hợp không khớp lắm, còn tên thì xác suất ra kết quả ổn áp vẫn cao hơn. Ví dụ thử vài cái thì
Anthony Hopkins -> Han In-hwan thì ở mức khoảng 50 điểm,
Erika Kirk -> Gwak Ae-rin thì có vẻ cũng đáng cho khoảng 70 điểm.