Balsu talka – palīdzi attīstīt tehnoloģijas latviešu valodā
Kas tas ir un kā strādā?
“Balsu talka” ir projekts latviešu valodas nākotnei. Tā mērķis ir iemūžināt mūsdienās runāto latviešu valodu un nodrošināt latviešu valodas pieejamību tehnoloģiju attīstībai. Šo mērķi varam sasniegt tikai kopīgiem spēkiem, tāpēc aicinām katru ierunāt vismaz piecus teikumus, lai savāktu pēc iespējas vairāk runas paraugu un izveidotu daudzveidīgu, atvērtu un ikvienam pieejamu latviešu runas datu kopu.
Runas tehnoloģijas šobrīd strauji attīstās, tomēr daudzas iekārtas latviešu valodu joprojām saprot slikti. Piemēram, mēs nevaram latviski dot balss
Palīdzi attīstīt latviešu valodas tehnoloģijas ar savu balsi!
IzaicinājumsIerunāsim 250 stundas vēl šogad!
Sasniegtie rezultāti
Lai arī darbs pie Balsu talkas datu vākšanas un apstrādes joprojām notiek, līdz šim savāktie balsu ieraksti jau tiek izmantoti un daži rezultāti ir pieejami publiski.
- LU MII AiLab ir izveidojuši jaudīgu runas atpazīšanas modeli ar salīdzinoši augstu atpazīšanas precizitāti runas datu analīzei un subtitru veidošanai. Šī modeļa iespējas var izmēģināt Google Colab vidē. Lietošanas video pamācība ar video subtitru veidošanas piemēru pieejama šeit.
- Atvērtā koda kopiena ir izveidojusi ātrus runas atpazīšanas modeļus izmantošanai mazas jaudas iekārtās, piemēram, Home Assistant gudro māju risinājumiem. Modeļus var izmēģināt demo lapā.
- Atvērtā koda kopiena ir izveidojusi runas atpazīšanas lietotni, kas ļauj veidot subtitrus un tulkot atpazīto saturu audio un video datnēs, kā arī reāla laika runā. Video pamācība pieejama šeit.
- Lingvistiskiem pētījumiem dati ir pieejami vietnē Korpuss.lv: “Balsu talka” un “Bolsu tolka” korpusos. Abi korpusi ir morfoloģiski marķēti – tajos iespējams meklēt gan pēc morfoloģiskajām pazīmēm, gan pēc vārdu pamatformām, piemēram, var atrast visus 6. deklinācijas lietvārdus vai visas korpusā lietotās darbības vārda “skriet” vai “skrīt” formas un noklausīties, kā šos vārdus mēdz izrunāt. Vietnes lietošanas pamācība pieejama šeit.
Biežāk uzdotie jautājumi
-
Jā, lai piedalītos talkā, nav jāreģistrējas Mozilla Common Voice platformā - balss ierakstus var veikt anonīmi, nesniedzot nekādu informāciju par sevi. Taču reģistrēšanās ļauj sekot līdzi savai statistikai un salīdzināt veikumu ar citiem dalībniekiem visā pasaulē.
-
- Publiski būs pieejams veikto ierakstu skaits un informācija par to, kādā valodā tie ierunāti.
- Ja izveidosiet profilu, varēsiet izvēlēties, vai lietotājvārds ir publisks vai anonīms.
- Jūsu iesniegtie demogrāfiskie dati (piemēram, vecums, dzimums vai valoda) nekad netiks publiskoti jūsu profilā un netiks sasaistīti ar jūsu kontu datu kopā. Atsevišķi balsu ieraksti tiks saistīti ar demogrāfiskajiem datiem, lai veiktu precīzāku analīzi. Piemēram, pētnieks var vēlēties pētīt kādas noteiktas vecuma grupas (jauniešu, senioru) valodu.
- Jūsu lietotājvārds un e-pasts netiks piesaistīts publicētajiem datiem.
- E-pasta adrese, ko izmantojat Mozilla Common Voice platformā, publiski pieejama nebūs.
-
Abas aktivitātes ir vienlīdz svarīgas. Jaunajiem Balsu talkas dalībniekiem iesakām fokusēties uz ierakstīšanu, lai mēs iegūtu pēc iespējas plašāku un daudzveidīgāku ierakstu kopu.
Savukārt tos, kas jau ierakstījuši 100 vai vairāk teikumu, aicinām pārbaudīt citu ierakstīto. Precīzu un kvalitatīvu runas tehnoloģiju izstrādē ir svarīgi, lai ierunātajos teikumos nav kļūdu, tāpēc šobrīd lielākais ieguvums no aktīvo dalībnieku ieguldītā laika būs tieši ierakstu pārbaude, jo nepārbaudītos ierakstus ir grūti izmantot pētniecībā un runas tehnoloģiju attīstīšanā.
-
Mozilla Common Voice lapā teikumus var ierakstīt un pārbaudīt arī no mobilajām ierīcēm.
Android lietotājiem ir pieejama arī neoficiāla kopienas izstrādāta lietotne - Donate your voice: CV Project. Lietotne ir pieejama Google Play.
Šī lietotne piedāvā vairākas papildu iespējas:- Iespēja ierakstīt un pārbaudīt bez interneta savienojuma
- Papildu iestatījumi, kas ierakstu pārbaudi padara ātrāku
Lietotnē ir reklāmas, bet tās var izslēgt iestatījumu sadaļā. Iestatījumi -> Citi -> Papildu iestatījumi.
-
Viens no veidiem, kā palīdzēt Balsu talkai, ir pastāstīt par to citiem. Piemēram, ievietojot savā lapā vai sociālo tīklu kontā ziņu par Balsu talku. Ziņām un baneriem lapās aicinām izmantot šos attēlus: https://drive.google.com/drive/folders/1p1FefCrkwbGhYb6G2ZN5D9Ppum1w3AfI
Projekta īstenotāji
Projekta atbalstītāji
"Mūsdienu latviešu valodas izpēte un valodas tehnoloģiju attīstība"Nr. VPP-LETONIKA-2021/1-0006
Atvērtas un FAIR principiem atbilstīgas digitālo humanitāro zinātņu ekosistēmas attīstība Latvijā (DHELI)"Nr: VPP-IZM-DH-2022/1-0002
Balsu talkas organizēšanu līdzfinansē Eiropas Savienības Atveseļošanas un noturības mehānisma investīcija un valsts budžets projekta “Valodu tehnoloģiju iniciatīva” (2.3.1.1.i.0/1/22/I/CFLA/002) ietvaros.