Het goed uitspreken: Portugese heterofonen desambigueren voor TTS
Wanneer een tekst-naar-spraakstem “Tenho sede” voorleest, verwacht een Portugese luisteraar dorst te horen. Maar precies dezelfde spelling, sede, kan ook hoofdkantoor betekenen — en de twee worden met verschillende klinkers uitgesproken. Zeg het met de verkeerde klinker en de stem klinkt niet alleen vreemd; hij zegt hardop een ander woord. Voor iemand die op TTS vertrouwt om het scherm voor te lezen, is dat de grens tussen verstaanbaar en verwarrend.
Dit is een front-end-probleem — de grafeem-naar-foneem-fase die bepaalt naar welke klanken een woord wordt gemapt, lang voordat een neurale vocoder die klanken in audio omzet. Geen enkele hoeveelheid vocoderkwaliteit lost dit op. Als de front-end de verkeerde uitspraak kiest, articuleert de stem het verkeerde woord, kraakhelder.
Heterofone homografen: dezelfde spelling, andere klank, andere betekenis
Europees Portugees zit vol met woorden die identiek gespeld worden maar met een andere klinkerkwaliteit worden uitgesproken — een open klinker versus een gesloten — waarbij de juiste keuze afhangt van de betekenis, niet alleen van de grammatica. Een paar voorbeelden:
sede— dorst (gesloten e,ˈsedɨ) vs hoofdkantoor/zetel (open e,ˈsɛdɨ). Beide zijn zelfstandige naamwoorden.forma— mal / bakvorm (gesloten o,ˈfoɾmɐ, geschreven fôrma) vs vorm / manier (open o,ˈfɔɾmɐ).molho— saus (gesloten o) vs bundel (open o).corte— koninklijk hof (gesloten o) vs een snee (open o).
Een naïef TTS-systeem legt zich vast op één uitspraak per spelling. Dus leest het dorst met de hoofdkantoor-klinker — telkens weer — en de luisteraar hoort het verkeerde woord.
Waarom “gewoon de woordsoort taggen” niet werkt
De voor de hand liggende oplossing is een part-of-speech (POS) tagger over de zin te draaien en de uitspraak op basis van POS te kiezen. Dat helpt voor sommige paren, maar het faalt per constructie zodra twee betekenissen dezelfde woordsoort delen.
Neem sede opnieuw. Dorst en hoofdkantoor zijn beide zelfstandige naamwoorden. Een POS-tagger labelt ze identiek — er is geen grammaticaal signaal om ze uit elkaar te houden — dus hij kan alleen maar gokken op de meest voorkomende lezing. We hebben precies dit gemeten: op onze testset scoren zowel spaCy als Stanza 0% op de dorst-betekenis van sede. Ze kiezen altijd hoofdkantoor. Hetzelfde structurele plafond verschijnt bij corte (snee vs hof), forma (mal vs vorm) en molho (saus vs bundel): wanneer de betekenis binnen één woordsoort splitst, kan de grammatica het niet zien.
De dataset: betekenis labelen, niet grammatica
Dus bouwden we een open dataset die datgene labelt wat er echt toe doet — betekenis. bifonia-pt-homographs bestaat uit 56.891 Europees-Portugese zinnen die 27 heterofone homografen dekken. Elke zin is gelabeld met het woord, de betekenis (zin), de woordsoort, de IPA-uitspraak, en een vorm met herstelde diakritische tekens (bijvoorbeeld sêde vs séde) die de bedoelde lezing op papier ondubbelzinnig maakt.
De bucketsleutel is betekenis — dat is de hele bedoeling. Eén record ziet er zo uit:
{
"word": "sede",
"sense": "thirst",
"pos": "NOUN",
"ipa": "ˈsedɨ",
"sentence": "Depois da corrida tinha tanta sede que bebi um litro de água."
}Uitspraken werden geverifieerd tegen het woordenboek infopédia (Porto Editora) in plaats van geraden, en de train/test-splitsingen zijn gestratificeerd per (word, meaning) zodat een stroomafwaarts model — bijvoorbeeld een BiLSTM — elke betekenis in beide helften ziet. Het is gepubliceerd op Hugging Face als TigreGotico/bifonia-pt-homographs.
Hoe goed is het op te lossen?
Met betekenisgelabelde data konden we meten hoe verschillende benaderingen presteren bij het kiezen van de juiste betekenis — en dus de juiste uitspraak:
| Benadering | Nauwkeurigheid |
|---|---|
| Altijd de meest voorkomende betekenis gokken | ≈53% |
| spaCy POS → betekenis | ≈66% |
| Stanza POS → betekenis | ≈75% |
bifonia-regel + betekenisresolver | ≈94% |
De POS-gebaseerde benaderingen blijven precies steken waar je het zou verwachten: ze kunnen routeren op grammatica maar nooit op betekenis, dus de splitsingen binnen zelfstandige naamwoorden blijven onbereikbaar. Onze resolver — de bifonia-bibliotheek, lichtgewicht en volledig zonder afhankelijkheden — bereikt ≈94%, en haalt cruciaal 100% op de sede/dorst-casus waar de POS-taggers 0% halen.
De kop is niet alleen het getal. Het is dat een kleine, snelle, volledig open component de zware neurale POS-taggers op deze taak verslaat — omdat hij betekenis oplost, niet alleen grammatica. Geen GPU, geen modeldownload, geen netwerkoproep.
Waarom het ertoe doet
Correcte uitspraak is fundamenteel, niet cosmetisch. Schermlezers en spraakassistenten zijn hoe blinde en spraak-alleen-gebruikers de wereld lezen, en een front-end die veelvoorkomende woorden verkeerd uitspreekt, verslechtert stilletjes elke zin die hij aanraakt. Het bij de bron oplossen van heterofoon-desambiguatie betekent dat de stem zegt wat de tekst bedoelt.
Omdat de dataset open is en de resolver klein en te forken, kan iedereen die een Portugese TTS-front-end bouwt dit goed doen zonder een gigantisch model — en dezelfde benadering is netjes over te zetten naar een verwante taal als Galicisch, waar het onderscheid tussen open en gesloten klinkers dezelfde valkuil creëert. De gelabelde data doet ook dubbel dienst: het is precies wat je nodig hebt om compacte statistische modellen te trainen, zoals een classificator per woord, voor teams die het corpus hebben en naast de regelgebaseerde resolver een geleerde willen.
Probeer het
De dataset staat op Hugging Face bij TigreGotico/bifonia-pt-homographs, en de resolver leeft bij bifonia. Het past in het bredere Portugese fonetiekwerk achter Klassieke NLP voor Portugees en de grafeem-naar-IPA-stack voor 350+ talen — kleine, deterministische stukjes die een stem een taal laten uitspreken zoals de sprekers ervan dat werkelijk doen.