g2p_barranquenho is de eerste open grafeem-naar-foneem-omzetter voor het Barranquenho, een Ibero-Romaanse contacttaal die gesproken wordt in Barrancos, Portugal — een gemeente aan de Spaanse grens waar het Portugees en het Extremeense/Andalusische Spaans al eeuwenlang naast elkaar bestaan.
Wat het Barranquenho fonologisch interessant maakt
Het Barranquenho is geen dialect van het Portugees of het Spaans; het is een werkelijk apart systeem. De gemeenteraad van Barrancos heeft onlangs drie fundamentele documenten gepubliceerd — een woordenboek, een spellingsconventie en een basisgrammatica — die de regels leverden die wij nodig hadden. De aankondiging: “Un Enormi Passu para u Barranquenhu i para a Cultura Barranquenha!”.
Uit die spellingsconventie hebben wij de regelset afgeleid — maar in plaats van zelf een op maat gemaakte doorloop over de tekst te bouwen, leeft die als een taalspecificatie, ext-PT-x-barrancos, in de gedeelde orthography2ipa-engine. De grafeemtabel, allofoonregels, klemtoonmodel en woordoverschrijdende sandhi van die spec beschrijven elke Barranquenho-realisatie: grafemen van meerdere letters vloeien samen zoals de conventie het documenteert (tch → /tʃ/, ch → /ʃ/, nh → /ɲ/, lh → /ʎ/), nasale tweeklanken verschijnen vóór m/n, v mapt altijd naar /b/, en h verschijnt als een uitgesproken /h/ — anders dan in beide oudertalen.
g2p_barranquenho zelf is een dunne aanroeper-zijdige wrapper rond orthography2ipa.G2P, aangestuurd door die spec: het beheert tekstnormalisatie (hoofdlettervouwing, tokenisatie in de vormen die de spec verwacht), getalexpansie en een stabiel phonemize/transcribe-oppervlak, maar niet de fonologische regels — een regel verbeteren betekent de spec stroomopwaarts bewerken, zodat elke afnemer stroomafwaarts de fix deelt.
In de praktijk:
“Un Enormi Passu para u Barranquenhu i para a Cultura Barranquenha” →
ˈũ eˈnɔɾmi ˈpas̺u ˈpaɾɐ ˈu bɐrɐ̃ˈkɛɲu ˈi ˈpaɾɐ ɐ kuˈltuɾɐ bɐrɐ̃ˈkɛɲɐ
De bron-PDF’s (conventie, woordenboek, grammatica) zijn opgenomen in de hoofdmap van de repository, zodat de regels controleerbaar zijn aan de hand van hun bron.
Wat er hierna komt
Een G2P-omzetter is de minimale voorwaarde voor werk aan TTS en ASR. Zonder deze omzetter heeft een op tekst getraind model geen principiële fonetische grondslag. Met deze omzetter volgt het pad naar een Barranquenho-stemmodel dezelfde hybride pijplijn die wij gebruikten voor het Asturisch en het Aragonees — de belemmering is de spraakdata, niet het gereedschap.
Als u opnames van gesproken Barranquenho hebt of toegang tot sprekers die onder een open licentie willen bijdragen, neem dan contact op. Opnames van moedertaalsprekers, zelfs enkele uren, zouden een TTS-model haalbaar maken.