Почему синтезатор ошибается с ударением в ряде фонетически сложных языков? Российские ученые нашли решение: новый алгоритм для чеченского языка показал впечатляющую точность.
Ученые из Санкт-Петербурга и Чеченской Республики разработали новые инструменты, которые помогают системам синтеза речи правильно определять значение омографов — слов, одинаково пишущихся, но по-разному произносящихся в зависимости от смысла и контекста. Работа опубликована в журнале Big Data and Cognitive Computing (Scopus Q1).
Основой исследования стала специально подготовленная база данных, включающая более 15 тысяч предложений. Их вручную отобрали из корпуса объемом свыше пяти миллионов аннотированных слов таким образом, чтобы сохранить естественную частоту употребления омографов в разных грамматических контекстах. Разметку выполнили лингвисты Академии наук Чеченской Республики, указав значения слов, долготу гласных, наличие дифтонгов и случаи редукции.
Алгоритм вошел в число самых точных
На основе этой базы исследователи создали три алгоритма — WEN, WAW и WATCH, предназначенные для устранения неоднозначности при синтезе речи. Их задача — определить, как именно должно звучать слово в конкретном предложении и где необходимо поставить правильное ударение.
Во время испытаний наиболее успешным оказался алгоритм WATCH, продемонстрировавший точность 85%. Сравнение с существующими открытыми решениями для языков с ограниченным объемом данных, включая вьетнамский, урду, ассамский, кашмирский и хауса, показало, что российская разработка занимает второе место в мире по точности среди аналогичных алгоритмов.
Источник: hi-tech.mail.ru