Учёные из Санкт-Петербурга и Чеченской Республики решили одну из самых упрямых проблем синтеза речи — омографы, слова-двойники, которые пишутся одинаково, а произносятся по-разному в зависимости от смысла. Классика жанра в русском: за́мок и замо́к. Синтезаторы на таких словах спотыкаются регулярно, и новый алгоритм научился выбирать правильное звучание с точностью 85%. Работа опубликована в журнале Big Data and Cognitive Computing первого квартиля Scopus.
Ставка на алгоритмы вместо нейросетей
Разработка велась для чеченского языка, и выбор неслучаен: он относится к низкоресурсным — больших размеченных текстовых корпусов, на которых обучают современные нейросети, для него попросту не существует. Поэтому исследователи пошли алгоритмическим путём.
Фундаментом стала база из более чем 15 тысяч предложений, вручную отобранных из корпуса свыше 5 миллионов аннотированных слов — с сохранением естественной частоты употребления омографов в разных грамматических контекстах. Разметку выполнили лингвисты Академии наук Чеченской Республики: значения слов, долгота гласных, дифтонги, случаи редукции. На этой основе построили три алгоритма — WEN, WAW и WATCH, определяющих, как должно звучать слово в конкретной фразе и куда ставить ударение.

Второе место в мире
Лучшим в испытаниях оказался WATCH с его 85% точности. При сравнении с открытыми решениями для языков с ограниченными данными — вьетнамского, урду, ассамского, кашмирского и хауса — российская разработка заняла второе место в мире среди аналогичных алгоритмов.
Система синтеза чеченской речи строится уже несколько лет: ранее учёные сформировали фонетико-акустическую базу языка и собрали прототип синтезатора, теперь закрыта одна из ключевых проблем — корректное произношение слов-двойников. Авторы отмечают, что проект, выполненный в рамках Года единства народов России, работает на сохранение языкового многообразия страны.
Любопытно, что и русскому языку такие инструменты не помешали бы: омографы у нас на каждом шагу, а слово «велики» — единственный тройной омограф: детские вЕлики, Пушкин и Толстой велИки, ботинки великИ. Пока голосовые помощники то и дело промахиваются с ударениями, подобные алгоритмы — тихая, но нужная работа, без которой синтетическая речь так и останется узнаваемо машинной.






Добавить комментарий