В России создали систему распознавания речи для диалекта карельского языка

Специалисты Санкт-Петербургского федерального исследовательского центра РАН (СПб ФИЦ РАН) завершили разработку уникальной системы распознавания речи для ливвиковского наречия карельского языка, сообщает ТАСС.

По данным ученых, в мире на карельском говорят около 30 тысяч человек, из которых 25 тысяч живут в России. При этом в повседневном общении его используют лишь 5–7 тысяч носителей.

«Изучение карельского имеет огромное значение не только для сохранения культурного наследия, но и для поддержки языковой традиции его носителей. Создание системы распознавания карельской речи — один из способов если не возродить, то хотя бы задокументировать этот язык», — рассказала Ирина Кипяткова, старший научный сотрудник Лаборатории речевых и многомодальных интерфейсов СПб ФИЦ РАН.

Главной сложностью при разработке системы стал недостаток электронных данных на карельском языке. Для обучения модели исследователи использовали тексты из открытого корпуса вепсского и карельского языков ВепКар и других источников, а также собрали два набора данных разговорной речи.

Особенностью новой системы является учет реальных особенностей использования карельского языка, когда носители часто смешивают карельский и русский в повседневной речи.

«Кроме нашей системы, в мире есть лишь одна модель, поддерживающая карельский язык. Однако она многоязычная и обучалась на очень небольшом объеме данных, что снижает точность распознавания именно карельской речи», — отмечает Ирина Кипяткова.

Технология в перспективе позволит переводить устную речь в режиме реального времени и станет частью онлайн-переводчика с использованием искусственного интеллекта. На первом этапе система будет работать как компьютерное приложение, распознающее звук с микрофона. В будущем ее планируют адаптировать для смартфонов, чтобы технологией могли пользоваться не только ученые.