Ahots sintesia eta transkripzioa euskaraz egiteko baliabide berriak
HiTZ zentroak, Aholab unitatearen bitartez, ahotsa euskaraz ezagutu eta sintetizatzeko eredu ireki berriak argitaratu dituela jakinarazi du EHUk. Hizkeraren ezagutza automatikorako bi eredu (ASR) (bat elebakarra, euskaraz eta bestea elebiduna, euskaraz eta gaztelaniaz) eta ahotsaren sintesirako bi ahots (TTS) (bata gizonezkoena eta bestea emakumezkoena, biak modu libre eta doakoan erabilgarri).
Hala dio EHUren prentsa oharrak, baina ez dago albistean URLrik edo estekarik, eta eredu horiek honako tokian egon daitezkeela uste dugu Sustatun:
- TTS ereduak: Antton eta Maider izeneko ahots ereduak euskaraz bertan, galizierazko beste batzuekin batera.
- Basque Speech-to-Text model Conformer-Transducer v2: transkripzioetarako eredu bat dirudi honek (hau da, ahots grabatutik testua sortzeko).
EHUren oharraren arabera, "hizketa automatikoki ezagutzeko ereduek aukera ematen dute euskarazko eta gaztelaniazko hitz egindako ahotsa zehaztasun handiko testu bihurtzeko. Horrek erraztu egiten du zenbait aplikazio garatzea, hala nola transkripzio automatikoko sistemak, denbora errealeko azpitituluak jartzeko prozesua, morroi birtualak edo elkarrizketarako interfazeak. Egindako ebaluazioek erakusten dute ereduen errendimendua gaur egun euskararen ezagutza automatikorako erabilgarri dauden onenen artean dagoela."
Era berean, ·ahots sintesiko ahots berriek, eredu neuronalak erabiltzen dituztenek, aukera ematen dute testutik abiatuta euskarazko hizkera naturala sortzeko, eta horrek aukera ematen du irakurgailu automatikoetan, nabigazio sistemetan, irisgarritasun tresnetan edo multimediako edukietan erabiltzeko."
Ereduak HiTZ zentroko Aholab ikerkuntza taldeak garatu eta entrenatu ditu, Eusko Jaurlaritzak finantzatutako IKER-GAITU proiektuaren esparruan.
Irudia: TTS eta ASR teknologien azalpen bat, lan honetatik aterata.
Erantzun
Sartu