O g2p_barranquenho é o primeiro conversor aberto de grafema-para-fonema para barranquenho. O barranquenho é uma língua de contacto ibero-românica falada em Barrancos, Portugal, um município na fronteira espanhola onde o português e o espanhol estremenho/andaluz coexistem há séculos.
O que torna o barranquenho fonologicamente interessante
O barranquenho não é um dialeto do português nem do espanhol. É um sistema distinto. A Câmara Municipal de Barrancos publicou recentemente três documentos fundacionais: um dicionário, uma convenção ortográfica e uma gramática básica. Estes deram-nos as regras de que precisávamos. Lê o anúncio: “Un Enormi Passu para u Barranquenhu i para a Cultura Barranquenha!”.
Derivámos o conjunto de regras a partir dessa convenção ortográfica. Em vez de construirmos manualmente uma passagem específica sobre o texto, as regras vivem como uma spec de língua, ext-PT-x-barrancos, no motor partilhado orthography2ipa. A tabela de grafemas, as regras de alofonia, o modelo de acento tónico e o sandhi entre palavras dessa spec descrevem todas as realizações do barranquenho. Os grafemas de várias letras colapsam da forma documentada pela convenção: tch → /tʃ/, ch → /ʃ/, nh → /ɲ/, lh → /ʎ/. Os ditongos nasais surgem antes de m/n. v mapeia sempre para /b/, e h surge como um /h/ pronunciado, ao contrário de qualquer das línguas-mãe.
O próprio g2p_barranquenho é um wrapper fino do lado do chamador em torno de orthography2ipa.G2P, orientado por essa spec. Encarrega-se da normalização de texto (uniformização de maiúsculas/minúsculas, tokenização nas formas que a spec espera), da expansão de números e de uma superfície estável phonemize/transcribe, mas não das regras fonológicas. Melhorar uma regra significa editar a spec a montante, pelo que todos os consumidores a jusante partilham a correção.
Na prática:
“Un Enormi Passu para u Barranquenhu i para a Cultura Barranquenha” →
ˈũ eˈnɔɾmi ˈpas̺u ˈpaɾɐ ˈu bɐrɐ̃ˈkɛɲu ˈi ˈpaɾɐ ɐ kuˈltuɾɐ bɐrɐ̃ˈkɛɲɐ
Os PDFs de origem (convenção, dicionário, gramática) estão incluídos na raiz do repositório para que as regras sejam auditáveis face à sua fonte.
O que vem a seguir
Um conversor G2P é o pré-requisito mínimo para trabalho de TTS e ASR. Sem ele, um modelo treinado em texto não tem fundamentação fonética com princípio. Com ele, o caminho para um modelo de voz barranquenho segue o mesmo pipeline híbrido que usámos para o asturiano e o aragonês. O obstáculo são os dados de fala, não as ferramentas.
Se tiver gravações de barranquenho falado ou acesso a falantes dispostos a contribuir sob uma licença aberta, entre em contacto. Gravações de falantes nativos, mesmo umas poucas horas, tornariam viável um modelo de TTS.