कल्पना कीजिए कि आप एक रहस्य सुलझाने की कोशिश कर रहे एक जासूस हैं, लेकिन सुराग खोजने के बजाय, आप एक ऐसी भाषा को समझने की कोशिश कर रहे हैं जो दुनिया से धीरे-धीरे लुप्त हो रही है। यह फील्ड लिंग्विस्ट्स (क्षेत्रीय भाषाविदों) की दैनिक वास्तविकता है, जो दुनिया के दूरदराज के कोनों में लुप्त हो रही भाषाओं की कहानियों, गीतों और बातचीत को रिकॉर्ड करने के लिए यात्रा करते हैं, इससे पहले कि वे हमेशा के लिए खो जाएं। उनके पास ऑडियो रिकॉर्डिंग के हजारों घंटे होते हैं, लेकिन एक बहुत बड़ी बाधा है: उन रिकॉर्डिंग्स को लिखित पाठ (टेक्स्ट) में बदलना। यह करना हाथ से लिखने जैसा है जैसे किसी आग की बौछार (firehose) से पानी पीने की कोशिश करना; इसमें बहुत समय लगता है, अत्यधिक एकाग्रता की आवश्यकता होती है, और यह अविश्वसनीय रूप से थका देने वाला होता है।

चीजों को तेज करने के लिए, वैज्ञानिकों ने कंप्यूटर को उनके लिए सुनने और लिखने के लिए सिखाने की कोशिश की है। इसे 'ऑटोमैटिक स्पीच रिकग्निशन' (ASR) कहा जाता है। इसे एक बहुत ही स्मार्ट रोबोट की तरह समझें जो बातचीत सुनता है और उसे टाइप करता है। आज हमारे पास कुछ अद्भुत रोबोट हैं, जैसे प्रसिद्ध "विस्पर" (Whisper), जो अंग्रेजी या स्पेनिश समझने में बहुत अच्छे हैं। लेकिन जब बात दुर्लभ, कम ज्ञात भाषाओं की आती है, तो ये रोबोट अक्सर भ्रमित हो जाते हैं। उन्हें इस विशिष्ट भाषा पर "प्रशिक्षित" (train) करने की आवश्यकता होती है ताकि वे अच्छी तरह से काम कर सकें। समस्या यह है कि इन रोबोटों को प्रशिक्षित करने के लिए आमतौर पर कंप्यूटर विशेषज्ञों की एक टीम, शक्तिशाली सुपरकंप्यूटर और बहुत अधिक तकनीकी ज्ञान की आवश्यकता होती है जो अधिकांश भाषाविदों के पास नहीं होता है। इसके अलावा, एक पेचीदा शुरुआती समस्या भी है: यदि आपके पास रिकॉर्डिंग का एक अस्त-व्यस्त ढेर है, तो आपको रोबोट को सबसे पहले कौन सी रिकॉर्डिंग देनी चाहिए ताकि वह सबसे तेजी से सीख सके? क्या आपको स्पष्टที่สุด, शांत रिकॉर्डिंग चुननी चाहिए, या वे जिनमें सबसे दिलचस्प शब्द हों?

यह शोध पत्र एस्पर (Easper - ELAN-integrated Automatic Speech Recogniser) नामक एक नए टूल का परिचय देता है और उस "कौन सी रिकॉर्डिंग पहले?" वाले सवाल का जवाब देता है। एस्पर एक उपयोगकर्ता के अनुकूल, 'नो-कोड' ऐप की तरह है जो भाषाविदों को अपनी रिकॉर्डिंग लेने, उन्हें साफ करने और अपने वेब ब्राउज़र में ही एक कस्टम स्पीच-रिकग्निशन रोबोट को प्रशिक्षित करने की अनुमति देता है, बिना किसी कोडिंग विशेषज्ञ बने। शोधकर्ताओं ने इस प्रणाली का परीक्षण वानुअतु की तीन भाषाओं (बिसलामा, नफ़सन और नगुना) पर किया ताकि यह देखा जा सके कि क्या यह काम करता है। लेकिन असली जादू उस चीज़ में है जो उन्होंने सीखा। उन्होंने पाया कि एक आश्चर्यजनक सत्य है: जब आप एक रोबोट को नई भाषा सिखा रहे होते हैं, तो रोबोट क्या सुनता है उससे ज्यादा महत्वपूर्ण यह है कि वह क्या सीखता है।

समस्या: "कोल्ड स्टार्ट" और तकनीकी दीवार

कल्पना कीजिए कि आप एक कुत्ते को नया करतब सिखाने की कोशिश कर रहे हैं। आपके पास प्रशिक्षण वीडियो का एक ढेर है। कुछ वीडियो शांत लिविंग रूम में फिल्माए गए हैं (स्पष्ट ऑडियो), और अन्य शोर वाले, अराजक डॉग पार्क में फिल्माए गए हैं (शोर वाला ऑडियो)। आपके पास कुछ ऐसे वीडियो भी हैं जहाँ कुत्ता एक ही करतब को बार-बार करता है, और अन्य जहाँ वह सौ अलग-अलग करतब एक-एक बार करता है।

लंबे समय तक, भाषाविदों ने यह माना था कि उनके स्पीच-रिकग्निशन रोबोट को प्रशिक्षित करने का सबसे अच्छा तरीका "शांत लिविंग रूम" वाले वीडियो चुनना है। उन्होंने माना कि यदि बैकग्राउंड शोर कम है और कोई एक-दूसरे के ऊपर नहीं बोल रहा है, तो रोबोट तेजी से सीखेगा। उन्होंने यह भी सोचा कि बहुत अधिक विविध शब्दों वाली रिकॉर्डिंग चुनना सबसे अच्छा होगा।

हालाँकि, इस शोध पत्र के शोधकर्ताओं ने महसूस किया कि अधिकांश फील्ड लिंग्विस्ट्स के पास इन जटिल प्रशिक्षण प्रणालियों को सेट करने के लिए तकनीकी कौशल नहीं होता है। यह एक फेरारी होने और ड्राइवर लाइसेंस न होने जैसा है। उन्हें इस प्रक्रिया को सरल बनाने का एक तरीका चाहिए था, जैसे कि एक "वन-क्लिक" बटन। उन्हें यह भी जानने की आवश्यकता थी कि क्या उनकी "शांत ऑडियो" वाली धारणा वास्तव में सच थी।

समाधान: एस्पर, एक "नो-कोड" वर्कशॉप

टीम ने एस्पर (Easper) बनाया, जो एक पोर्टेबल, ओपन-सोर्स वर्कफ्लो है जो भाषाविविद के नोट्स और कंप्यूटर के मस्तिष्क के बीच एक सेतु का काम करता है।

1. सेटअप: भाषाविद अपनी ऑडियो फाइलों को मार्क अप करने के लिए ELAN नामक एक मानक टूल का उपयोग करते हैं (जैसे किसी पुस्तक में वाक्यों को हाइलाइट करना)। एस्पर इन फाइलों को लेता है और प्रशिक्षण के लिए उन्हें स्वचालित रूप रूप से तैयार करता है। यह त्रुटियों की जाँच करता है, जैसे कि क्या कोई वाक्य बहुत लंबा है या क्या दो लोग एक साथ बोल रहे हैं, और भाषाविद को सुधार के लिए एक सरल रिपोर्ट देता है।
2. प्रशिक्षण: बेसमेंट में सुपरकंप्यूटर की आवश्यकता के बजाय, एस्पर क्लाउड संसाधनों (जैसे Google Colab) का उपयोग भारी काम करने के लिए करता है। यह भाषाविद के डेटा को लेता है और "विस्पर" (विशेष रूप से इसका "स्मॉल" संस्करण, जो लगभग 244 मिलियन पैरामीटर्स का है) नामक एक शक्तिशाली मॉडल को फाइन-ट्यून करता है।
3. परिणाम: एक बार जब मॉडल प्रशिक्षित हो जाता है, तो भाषाविद इसे अपने लैपटॉप पर डाउनलोड कर सकते हैं और इंटरनेट कनेक्शन के बिना भी इसका उपयोग कर सकते हैं। रोबोट फिर नई, अन-ट्रांसक्राइब की गई रिकॉर्डिंग सुनता है, यह पता लगाता है कि कौन बोल रहा है, और टेक्स्ट लिख देता है। भाषाविद को बस गलतियों को पढ़कर ठीक करना होता है, जो शून्य से शुरू करने की तुलना में बहुत तेज़ है।

बड़ी खोज: दोहराव शांति को मात देता है

इस शोध पत्र का सबसे रोमांचक हिस्सा वह प्रयोग है जो उन्होंने "कोल्ड स्टार्ट" समस्या को हल करने के लिए चलाया। उन्होंने एक ऐसी स्थिति का अनुकरण (simulate) किया जहाँ उन्हें यह चुनना था कि रोबट को पहले कौन सी रिकॉर्डिंग दी जाए। उन्होंने पांच अलग-अलग रणनीतियों का परीक्षण किया:

1. रैंडम (Random): बस रैंडम तरीके से रिकॉर्डिंग चुनना।
2. सबसे साफ ऑडियो पहले (Cleanest Audio First): सबसे अच्छे सिग्नल-टू-नॉइज़ रेशियो (SNR) और कम से कम लोगों के एक साथ बोलने वाली रिकॉर्डिंग चुनना।
3. सबसे अधिक शब्द पहले (Most Words First): अद्वितीय शब्दों की उच्चतम विविधता (Type-Token Ratio) वाली रिकॉर्डिंग चुनना।
4. सबसे अधिक दोहराव पहले (Most Repetition First): उन रिकॉर्डिंग्स को चुनना जहाँ एक ही शब्द बार-बार दोहराया जाता है (Normalized Token-to-Type Ratio)।

उन्होंने इन तीन भाषाओं पर ये सिमुलेशन चलाए: बिसलामा (एक क्रियोल भाषा जिसके लगभग 3,00,000 वक्ता हैं), नफ़सन (एक स्वदेशी भाषा जिसके लगभग 5,000 वक्ता हैं), और नगुना (लगभग 9,500 वक्ताओं वाली एक अन्य स्वदेशी भाषा)। उन्होंने 'कैरेक्टर एरर रेट' (CER) का उपयोग करके मापा कि रोबोट की गलतियाँ कितनी तेजी से कम हुईं, जो यह गिनता है कि रोबक कितने अक्षर गलत करता है।

परिणाम: "सबसे साफ ऑडियो पहले" वाली रणनीति वास्तव में सबसे खराब तरीकों में से एक थी। रोबोट ने शांत रिकॉर्डिंग से बहुत अधिक तेजी से नहीं सीखा। वास्तव में, जो रणनीति सबसे अच्छा काम कर गई, वह थी दोहराव को प्राथमिकता देना (ToTy)।

शोधकर्ताओं ने पाया कि रोबोट सबसे तेजी से तब सीखता है जब उसे ऐसी रिकॉर्डिंग दी जाती हैं जहाँ एक ही शब्द और वाक्यांश बार-बार दोहराए जाते हैं, भले ही रिकॉर्डिंग थोड़ी शोर भरी हो या उसमें लोग एक-दूसरे के ऊपर बोल रहे हों। यह सामने आता है कि आधुनिक AI मॉडल (जैसे विस्पर) बैकग्राउंड शोर को अनदेखा करने में पहले से ही बहुत अच्छे हैं। उन्हें वास्तव में एक नई भाषा सीखने के लिए यह देखने की आवश्यकता होती है कि वे ध्वनियाँ उन विशिष्ट अक्षरों से कैसे जुड़ती हैं।

इसे एक नया गाना सीखने की तरह समझें। यदि आप किसी गाने का एक बार एकदम परफेक्ट, स्टूडियो-क्वालिटी रिकॉर्डिंग सुनते हैं, तो शायद आप बोल नहीं सीख पाएंगे। लेकिन, यदि आप उसी गाने का थोड़ा खुरदरा, लाइव वर्जन सुनते हैं जहाँ कोरस दस बार दोहराया जाता है, तो आप शब्द बहुत तेजी से सीख लेंगे। दोहराव ही कुंजी है, न कि ध्वनि की पूर्ण गुणवत्ता।

यह क्यों मायने रखता है

यह खोज फील्ड लिंग्विस्ट्स के लिए खेल बदल देती है। वर्षों से, वे अपने प्रोजेक्ट को शुरू करने के लिए सबसे "परफेक्ट" शांत रिकॉर्डिंग खोजने में घंटों बिताते रहे होंगे, या वे व्यस्त बाजारों या पारिवारिक समारोहों में रिकॉर्डिंग करने से बचते रहे होंगे क्योंकि वह "बहुत शोर वाला" था।

यह शोध पत्र सुझाव देता है कि यह गलत दृष्टिकोण है। यदि आप किसी दुर्लभ भाषा के लिए स्पीच-रिकसेशन टूल बनाना चाहते हैं, तो आपको भाषाई समृद्धि और दोहराव को प्राथमिकता देनी चाहिए। आपको उन लोगों को रिकॉर्ड करना चाहिए जो कहानियाँ सुना रहे हैं जहाँ वे बार-बार एक ही मूल शब्दावली का उपयोग करते हैं, भले ही वहां बैकग्राउंड शोर हो। रोबोट शोर को संभाल सकता है; उसे बस भाषा के "कंकाल" को समझने के लिए दोहराव की आवश्यकता है।

एस्पर का उपयोग करके, भाषाविद अब कंप्यूटर विशेषज्ञों और महंगे हार्डवेयर की आवश्यकता के बिना काम कर सकते हैं। वे अपनी फील्ड रिकॉर्डिंग ले सकते हैं, उन रिकॉर्डिंग्स को चुन सकते हैं जिनमें सबसे अधिक दोहराव और समृद्ध शब्दावली है, और अपने स्वयं के कस्टम रोबोट को प्रशिक्षित कर सकते हैं ताकि वे बाकी के संग्रह को ट्रांसक्राइब करने में मदद कर सकें। इसका मतलब है कि अधिक भाषाओं को प्रलेखित किया जा सकता है, संरक्षित किया जा सकता है और उनके समुदायों के लिए सुलभ बनाया जा सकता है, इससे पहले कि वे गायब हो जाएं।

संक्षेप में, यह शोध पत्र दिखाता है कि जब आप कंप्यूटर को एक नई भाषा सिखा रहे होते हैं, तो दोहराव शिक्षक है, और शोर केवल बैकग्राउंड म्यूजिक है। रोबोट को शांत कमरे की आवश्यकता नहीं है; उसे बस शब्दों को समझने के लिए उन्हें पर्याप्त बार सुनने की आवश्यकता है।