g2p_barranquenho est le premier convertisseur graphème-phonème ouvert pour le barranquenho, une langue de contact ibéro-romane parlée à Barrancos, au Portugal — une municipalité située à la frontière espagnole où le portugais et l’espagnol d’Estrémadure/d’Andalousie coexistent depuis des siècles.
Ce qui rend le barranquenho phonologiquement intéressant
Le barranquenho n’est un dialecte ni du portugais ni de l’espagnol ; c’est un système véritablement distinct. La municipalité de Barrancos a récemment publié trois documents fondateurs — un dictionnaire, une convention orthographique et une grammaire de base — qui ont fourni les règles dont nous avions besoin. L’annonce : “Un Enormi Passu para u Barranquenhu i para a Cultura Barranquenha!”.
À partir de cette convention orthographique, nous avons dérivé l’ensemble de règles — mais plutôt que d’implémenter une passe artisanale sur mesure pour le texte, il vit sous forme de spécification linguistique, ext-PT-x-barrancos, dans le moteur partagé orthography2ipa. La table de graphèmes, les règles d’allophones, le modèle d’accentuation et le sandhi inter-mots de cette spécification décrivent chaque réalisation du barranquenho : les graphèmes multi-lettres se regroupent comme la convention le documente (tch → /tʃ/, ch → /ʃ/, nh → /ɲ/, lh → /ʎ/), les diphtongues nasales apparaissent devant m/n, v s’associe toujours à /b/, et h se réalise en un /h/ prononcé — contrairement à l’une ou l’autre des langues mères.
g2p_barranquenho lui-même est une fine enveloppe côté appelant autour de orthography2ipa.G2P pilotée par cette spécification : il gère la normalisation du texte (mise en minuscules, tokenisation dans les formes attendues par la spécification), l’expansion des nombres et une interface stable phonemize/transcribe, mais pas les règles phonologiques — améliorer une règle signifie modifier la spécification en amont, de sorte que chaque consommateur en aval bénéficie du même correctif.
En pratique :
“Un Enormi Passu para u Barranquenhu i para a Cultura Barranquenha” →
ˈũ eˈnɔɾmi ˈpas̺u ˈpaɾɐ ˈu bɐrɐ̃ˈkɛɲu ˈi ˈpaɾɐ ɐ kuˈltuɾɐ bɐrɐ̃ˈkɛɲɐ
Les PDF sources (convention, dictionnaire, grammaire) sont inclus à la racine du dépôt afin que les règles soient vérifiables au regard de leur source.
Ce qui vient ensuite
Un convertisseur G2P est le prérequis minimal pour tout travail de TTS et d’ASR. Sans lui, un modèle entraîné sur du texte n’a aucun ancrage phonétique rigoureux. Avec lui, le chemin vers un modèle de voix barranquenha suit le même pipeline hybride que celui que nous avons utilisé pour l’asturien et l’aragonais — l’obstacle, ce sont les données de parole, pas l’outillage.
Si vous disposez d’enregistrements de barranquenho parlé ou si vous avez accès à des locuteurs disposés à contribuer sous une licence ouverte, contactez-nous. Des enregistrements de locuteurs natifs, même quelques heures, rendraient un modèle de TTS viable.