g2p_barranquenho es el primer conversor abierto de grafema a fonema para el barranqueño, una lengua de contacto iberorrománica hablada en Barrancos, Portugal — un municipio en la frontera española donde el portugués y el español extremeño/andaluz han coexistido durante siglos.
Qué hace al barranqueño fonológicamente interesante
El barranqueño no es un dialecto del portugués ni del español; es un sistema genuinamente distinto. El Ayuntamiento de Barrancos publicó recientemente tres documentos fundacionales — un diccionario, una convención ortográfica y una gramática básica — que aportaron las reglas que necesitábamos. El anuncio: “Un Enormi Passu para u Barranquenhu i para a Cultura Barranquenha!”.
A partir de esa convención ortográfica derivamos el conjunto de reglas — pero en lugar de programar a mano una pasada específica sobre el texto, esta vive como una especificación de idioma, ext-PT-x-barrancos, dentro del motor compartido orthography2ipa. La tabla de grafemas, las reglas de alófonos, el modelo de acentuación y el sandhi entre palabras de esa especificación describen todas las realizaciones del barranqueño: los grafemas de varias letras colapsan tal y como documenta la convención (tch → /tʃ/, ch → /ʃ/, nh → /ɲ/, lh → /ʎ/), los diptongos nasales aparecen ante m/n, v siempre se mapea a /b/, y h se manifiesta como una /h/ pronunciada — a diferencia de cualquiera de las lenguas de origen.
g2p_barranquenho en sí es una fina envoltura del lado del llamante alrededor de orthography2ipa.G2P dirigida por esa especificación: se encarga de la normalización del texto (plegado de mayúsculas, tokenización en las formas que espera la especificación), la expansión de números y una interfaz estable phonemize/transcribe, pero no de las reglas fonológicas — mejorar una regla significa editar la especificación en origen, de modo que todos los consumidores posteriores comparten la corrección.
En la práctica:
“Un Enormi Passu para u Barranquenhu i para a Cultura Barranquenha” →
ˈũ eˈnɔɾmi ˈpas̺u ˈpaɾɐ ˈu bɐrɐ̃ˈkɛɲu ˈi ˈpaɾɐ ɐ kuˈltuɾɐ bɐrɐ̃ˈkɛɲɐ
Los PDF de origen (convención, diccionario, gramática) están incluidos en la raíz del repositorio para que las reglas sean auditables frente a su fuente.
Qué viene a continuación
Un conversor de G2P es el requisito mínimo para el trabajo de TTS y ASR. Sin él, un modelo entrenado sobre texto no tiene una base fonética con fundamento. Con él, el camino hacia un modelo de voz barranqueño sigue la misma pipeline híbrida que usamos para el asturiano y el aragonés — el obstáculo son los datos de habla, no las herramientas.
Si dispone de grabaciones de barranqueño hablado o de acceso a hablantes dispuestos a contribuir bajo una licencia abierta, póngase en contacto. Grabaciones de hablantes nativos, aunque sean unas pocas horas, harían viable un modelo de TTS.