Разработан инструмент для повышения качества работы систем синтеза малых языков
Специалисты Санкт-Петербургского федерального исследовательского центра РАН совместно с коллегами из Академии наук ЧР и КНИИ РАН разработали программный модуль для распознавания омографов в чеченском языке.
В чем суть?
Омографы — слова, которые пишутся одинаково, но произносятся по-разному. Их корректное распознавание критически важно для синтеза естественной речи. Разработка позволяет делать это с точностью до 85% без использования больших нейросетей.
Почему это важно?
Для языков малых народов, где остро не хватает аудиоданных, применение тяжелых нейросетей ограничено. Новый алгоритм, напротив, работает эффективно даже в условиях дефицита данных.
База для науки
Ученые сформировали уникальную базу из 15 тыс. предложений, отобранных вручную из 5 млн слов. Разметку провели лингвисты Академии наук Чеченской Республики.
Разработка уже встроена в систему синтеза чеченской речи, сделав ее более точной. В перспективе алгоритм может быть адаптирован и для других языков народов России.
