Giving Voice to the Constitution: Low-Resource Text-to-Speech for Quechua and Spanish Using a Bilingual Legal Corpus
تقدم هذه الورقة مساراً موحداً يستخدم ثلاث بنيات متطورة لتحويل النص إلى كلام (TTS) لتخليق كلام عالي الجودة باللغتين الكيتشوا والإسبانية للدستور البيروفي، مع الاستفيد من النقل عبر اللغات للتغلب على ندرة البيانات في لغة الكيتشوا ذات الموارد المنخفضة، مع توفير موارد مفتوحة المصدر لتقنيات الخطاب القانوني الشامل.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أن لديك كتاب قواعدات مهمًا جدًا لبلد ما، وهو الدستور. في بيرو، يُكتب هذا الكتاب باللغة الإسبانية، وهي اللغة التي يفهمها معظم الناس. ولكن هناك مجموعة كبيرة من الناس يتحدثون لغة الكيشوا (Quechua)، وهي لغة أصيلة وجميلة. بالنسبة لهم، قراءة القانون تشبه محاولة قراءة خريطة مكتوبة بلغة لا يعرفونها؛ فالمعلومات موجودة، لكنها محبوسة خلف جدار.
هذا البحث يدور حول بناء جسر للسماح بتدفق تلك المعلومات بحرية. لقد بنى المؤلفون "آلة صوتية" خاصة (تحويل النص إلى كلام) يمكنها قراءة دستور بيرو بصوت عالٍ بكل من الإسبانية والكيشوا، مما يجعل القانون متاحًا للجميع.
إليك كيف فعلوا ذلك، مشروحًا ببعض التشبيهات من الحياة اليومية:
1. المشكلة: "المكتبة الفارغة"
فكر في اللغة الإسبانية كمكتبة ضخمة ومكتملة الأركان، تحتوي على ملايين الكتب، والكتب الصوتية، والتسجيلات. الآن، تخيل أن لغة الكيشوا تشبه كوخًا صغيرًا ومريحًا يحتوي على عدد قليل جدًا من الكتب والتسجيلات.
لتعليم الكمبيوتر التحدث بالكيشوا بشكل جيد، تحتاج عادةً إلى مكتبة ضخمة من التسجيلات (آلاف الساعات). ولكن بالنسبة للكيشوا، فإن هذه المكتبة شبه فارغة. إذا حاولت تعليم الكمبيوتر باستخدام ساعات قليلة فقط من الصوت، فسيبدو كأنه روبوت بصندوق صوت مكسور.
2. الحل: "المعلم ثنائي اللغة"
كان لدى المؤلفين فكرة ذكية: لماذا لا نعلم الكمبيوتر باستخدام المكتبة الكبيرة (الإسبانية) لمساعدته على تعلم اللغة الصغيرة (الكيشوا)؟
لقد عاملوا الإسبانية كـ "معلم ثنائي اللغة". وبما أن الإسبانية والكيشوا يتشاركان في بعض الأصوات والإيقاعات (مثل كيفية اشتراك الجيتار والكمان في النوتات الموسيقية)، يمكن للكمبيوتر أن يتعلم موسيقية الكلام من بيانات الإسبانية الوفيرة ويطبق تلك المهارات على بيانات الكيشوا الشحيحة.
استخدموا ثلاثة أنواع مختلفة من "محركات الصوت" (نماذج الذكاء الاصطائي) لاختبار ذلك:
- XTTS v2: محرك قوي وضخم المهام.
- F5-TTS: محرك حديث يستخدم "التدفق" لتنعيم الصوت.
- DiFlow-TTS: محرك مدمج وفعال.
3. التدريب: تنظيف البيانات
قبل تعليم الكمبيوتر، كان عليهم تنظيف "الكتب المدرسية".
- المصفاة: كان لديهم ساعات من تسجيلات الكيشا، لكن الكثير منها كان مجرد مقاطع مدتها ثانية واحدة من الصمت أو الضجيج. تخيل أن تحاول تعلم الغناء من خلال الاستماع إلى مقتطفات مدتها ثانية واحدة من أغنية؛ هذا لا ينجح. قاموا بتصفية المقاطع القصيرة والسيئة واحتفظوا فقط بالجمل الواضحة والطويلة.
- المترجم: لغة الكيشوا لغة "لاصقة" (إلصاقية)، مما يعني أن الكلمات يمكن أن تصبح طويلة ومعقدة للغاية. استخدموا أداة رقمية لتفكيك هذه الكلمات إلى أجزائها القياسية، لضمان عدم ارتباك الكمبيوتر بسبب الاختلافات في التهجئة.
4. النتائج: "المحرك الصغير" هو الفائز
عادةً، في عالم الذكاء الاصطالي، كلما كان أكبر كان أفضل. قد تظن أن نموذج الكمبيوتر الأكبر والأغلى سيكون هو الفائز. لكن النتائج كانت مفاجئة:
- الوزن الثقيل (XTTS): كان كبيرًا وقويًا، لكن صوته بدا جامدًا نوعًا ما.
- الوزن المتوسط (F5-TTS): بدا متسقًا للغاية، مثل مذيع راديو موثوق.
- الوزن الخفيف (DiFlow-TTS): كان المفاجأة الكبرى! رغم أنه كان النموذج الأصغر (المحرك المدمج)، إلا أنه أنتج أكثر صوت طبيعي للغة الكيشا.
التشبيه: فكر في الأمر كأنك تطبخ. يمكنك امتلاك مطبخ صناعي ضخم (النموذج الكبير)، ولكن إذا لم تكن لديك المكونات الصحيحة (البيانات)، فسيكون طعم الطعام باهتًا. المطبخ الصغير (DiFlow) استخدم "الخلطة السرية" للتعلم عبر اللغات بشكل مثالي، مما جعل وجبة لذيذة بمكونات قليلة جدًا.
5. لماذا هذا مهم؟
هذا ليس مجرد بناء تطبيق صوتي رائع. إنه يتعلق بالعدالة والشمولية.
- إمكانية الوصول: الآن يمكن لمتحدثي الكيشا الاستماع إلى الدستور عبر الراديو أو الهاتف، وفهم حقوقهم بلغتهم الخاصة.
- قابلية إعادة الاستخدام: لم يكتفِ المؤلفون ببناء الصوت فحسب، بل أطلقوا "الوصفة" (الكود والبيانات). يمكن للباحثين الآخرين استخدام هذا لبناء أدوات أفضل للكيشا، مثل المساعدين الصوتيين أو تطبيقات الترجمة.
الخلاصة
أثبت المؤلفون أنك لست بحاجة إلى كمية هائلة من البيانات لتعليم الكمبيوتر لغة نادرة. إذا كنت ذكيًا في كيفية ربطها بلغة أخرى ذات موارد جيدة (مثل الإسبانية)، يمكنك بناء صوت عالي الجودة يحترم ويرتقي بالثقافات الأصلية.
لقد منحوا الدستور صوتًا بالفعل، مما يضمن أن القانون يتحدث إلى الجميع، وليس فقط لأولئك الذين يتحدثون اللغة السائدة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.