g2p_barranquenho — это первый открытый конвертер графемы в фонему для барранкеньу, иберо-романского контактного языка, на котором говорят в Барранкуше, Португалия, — муниципалитете на испанской границе, где португальский и эстремадурско-андалусийский испанский сосуществуют веками.
Что делает барранкеньу интересным с фонологической точки зрения
Барранкеньу не является диалектом ни португальского, ни испанского; это подлинно самостоятельная система. Муниципальный совет Барранкуша недавно опубликовал три основополагающих документа — словарь, орфографическую конвенцию и базовую грамматику, — которые дали нам нужные правила. Объявление: “Un Enormi Passu para u Barranquenhu i para a Cultura Barranquenha!”.
Из этой орфографической конвенции мы вывели набор правил — но вместо того, чтобы вручную писать отдельный проход по тексту, они живут как языковая спецификация, ext-PT-x-barrancos, в общем движке orthography2ipa. Таблица графем этой спецификации, аллофонические правила, модель ударения и межсловное сандхи описывают каждую реализацию барранкеньу: многобуквенные графемы сворачиваются так, как задокументировано в конвенции (tch → /tʃ/, ch → /ʃ/, nh → /ɲ/, lh → /ʎ/), носовые дифтонги появляются перед m/n, v всегда отображается в /b/, а h проявляется как произносимый /h/ — в отличие от любого из родительских языков.
g2p_barranquenho сам по себе — это тонкая обёртка на стороне вызывающего кода вокруг orthography2ipa.G2P, управляемая этой спецификацией: она отвечает за нормализацию текста (приведение регистра, токенизацию в формы, ожидаемые спецификацией), разворачивание чисел и стабильный интерфейс phonemize/transcribe, но не за фонологические правила — улучшение правила означает редактирование спецификации выше по потоку, так что исправление получают все нижестоящие потребители.
На практике:
“Un Enormi Passu para u Barranquenhu i para a Cultura Barranquenha” →
ˈũ eˈnɔɾmi ˈpas̺u ˈpaɾɐ ˈu bɐrɐ̃ˈkɛɲu ˈi ˈpaɾɐ ɐ kuˈltuɾɐ bɐrɐ̃ˈkɛɲɐ
Исходные PDF-файлы (конвенция, словарь, грамматика) включены в корень репозитория, чтобы правила можно было проверить по их источнику.
Что дальше
Конвертер G2P — минимальная предпосылка для работы над TTS и ASR. Без него модель, обученная на тексте, не имеет принципиального фонетического основания. С ним путь к модели голоса барранкеньу следует тому же гибридному конвейеру, что мы использовали для астурийского и арагонского, — препятствием являются речевые данные, а не инструментарий.
Если у вас есть записи устного барранкеньу или доступ к носителям, готовым внести вклад под открытой лицензией, свяжитесь с нами. Записи носителей языка, даже несколько часов, сделали бы модель TTS осуществимой.