A Situational Speech Synthesizer for Yoruba: System Design, Phonological Rule Architecture, and Orthographic Extensions for Contour

De Muziek van Woorden: Computers Leren Zingen in het Yorùbá

Stel je taal voor als een lied. In veel talen is de melodie verborgen; je kunt de toonhoogte van je stem veranderen, en de betekenis van een woord kan verschuiven, maar de geschreven letters blijven precies hetzelfde. Maar in het Yorùbá, een taal die door miljoenen mensen in West-Afrika wordt gesproken, staat de melodie direct in de noten geschreven. De taal gebruikt "tonen"—hoge, lage en stijgende of dalende toonhoogtes—om je precies te vertellen wat een woord betekent. Als je de verkeerde noot schrijft, zeg je per ongeluk misschien "hond" in plaats van "leeuw". Dit maakt Yorùbá tot een unieke puzzel voor computers. Meestal, wanneer we een computer vragen om tekst hardop voor te lezen (een technologie genaamd Tekst-naar-Spraak, of TTS), moet de machine de melodie raden op basis van patronen die hij heeft geleerd door duizenden uren menselijke spraak te beluisteren. Maar voor talen zoals het Yorùbá, waar de "bladmuziek" al in de tekst staat geschreven, hoeven we niet te gokken. We hebben alleen een computer nodig die de noten perfect kan lezen.

Dit is waar het verhaal interessant wordt. Lange tijd hadden computers moeite om natuurlijk Yorùbá te spreken omdat ze niet genoeg opgenomen menselijke stemmen hadden om van te leren. Ze waren als een muzikant die probeert een complex lied uit het gehoor te leren zonder bladmuziek, waarbij ze vaak de ritmiek verkeerd krijgen. Maar wat als we een robotmuzikant zouden bouwen die niet hoeft te gokken? Wat als we het een bibliotheek gaven van elke mogelijke combinatie van muzikale noten, opgenomen door een mens, en een strikte set regels om te weten welke noot hij als volgende moet spelen? Dit is de uitdaging waar een team van onderzoekers zich mee bezighield, die een stem wilden bouwen voor een enorme online woordenlijst van Yorùbá-namen. Ze hadden een systeem nodig dat een geschreven naam kon nemen, de exacte toonhoogte en het ritme kon bepalen, en deze direct hardop kon uitspreken, zonder dat een mens elke naam in de wereld hoefde op te nemen.

Het Robotkoor en de Magie van Regels

Het artikel introduceert TTSYoruba, een slimme, op regels gebaseerde robotstem die specif으로 ontworpen is voor het Yorùbá. Zie dit systeem niet als een brein dat leert door te luisteren, maar als een zeer georganiseerde bibliothecaris met een enorme doos vol vooraf opgenomen geluidsfragmenten. De onderzoekers namen een menselijke stem op die elke mogelijke combinatie van een medeklinker en een klinker uitsprak (zoals "ba", "de", "go") in vijf verschillende muzikale tonen. Ze kwamen zo uit op een bibliotheek van 651 piepkleine geluidsfragmenten.

De magie gebeurt in de regels. Wanneer je een naam typt zoals Adébọ̀wálé, speelt de computer niet gewoon de fragmenten achter elkaar af. Hij gedraagt zich als een dirigent. Hij kijkt naar de noten die boven de letters staan (de toontekens) en controleert de noot die eraan voorafging. In het Yorùbá verandert de toonhoogte van een noot vaak afhankelijk van de noot die eraan voorafging. Als een lage noot wordt gevolgd door een hoge noot, kan de hoge noot daadwerkelijk "omhoog glijden", wat klinkt als een stijgende toon. Het systeem heeft een specifieke regel voor dit proces: als het een hoge noot ziet na een lage noot, vervangt het het standaard "hoge" geluidsfragment door een speciaal "stijgend" geluidsfragment. Dit doet het ook voor dalende tonen. Door deze strikte muzikale regels te volgen, plakt de computer de fragmenten aan elkaar zodat het klinkt als een vloeiende zin in plaats van een robot die met zijn tong klikt.

Het Oplossen van het "N"-mysterie

Een van de lastigste onderdelen van de puzzel was de letter n. In het Yorùbá is de letter n een gedaanteverwisselaar. Soms is het een medeklinker aan het begin van een woord (zoals in nọ́). Soms is het een volledige lettergreep op zichzelf (zoals ń). En soms is het helemaal geen klank, maar een markering die aangeeft dat de klinker die eraan voorafgaat "nasaal" is (door de neus wordt gesproken). Voor een computer ziet dit eruit als een verwarrende bende van identieke letters.

De onderzoekers bouwden een "Nasal Disambiguation"-systeem om dit op te lossen. Het is als een detective die drie vragen stelt:

1. Heeft de n een muzikale noot erboven staan? Zo ja, dan is het een zelfstandige lettergreep.
2. Zit de n tussen specifieke klinkers zoals i of u? Zo ja, dan is het een nasale markering, en verandert de computer de klank van de voorafgaande klinker.
3. Is het gewoon een normale medeklinker? Zo ja, behandel het dan als het begin van de volgende klank.

Door deze regels toe te passen, spreekt het systeem namen correct uit die anders foutief zouden klinken, waarbij het onderscheid maakt tussen een genasaleerde klinker en een syllabische n.

De Nieuwe Muzikale Notatie: Carons en Circumflexen

Hier maakt het artikel een gedurfde, creatieve zet. De onderzoekers ontdekten een probleem: sommige namen hebben een "contourtoon" (een toonhoogte die omhoog of omlaag gaat) op een enkele klinker, maar de traditionele manier om dit in het Yorùbá te schrijven is door de klinker te verdubbelen (zoals Níkẹ̀ẹ́). Dit ziet er vreemd uit voor veel moedertaalsprekers en voelt onhandig aan.

Het team stelde een nieuwe manier voor om deze klanken te schrijven met symbolen die al op computertoetsenborden aanwezig zijn, maar nog niet voor dit doel in de standaard Yorùbá-schrijfwijze zijn gebruikt: de caron (een klein vinkje zoals ǎ) voor stijgende tonen en de circumflex (een klein hoedje zoals â) voor dalende tonen.

Denk hierover als volgt: in plaats van een lange, dubbele noot als twee aparte toetsen te schrijven, druk je op één toets met een speciaal "hoedje" erop. De computer weet dat ǎ betekent: "speel het stijgende geluidsfragment af", en â betekent: "speel het dalende geluidsfragment af". Dit stelt mensen in staat om namen precies te typen zoals ze gebruikelijk gespeld worden, zonder de vreemde dubbele klinkers, terwijl ze toch de perfecte muzikale toonhoogte krijgen. De onderzoekers testten dit door 50 mensen te vragen te luisteren naar namen geschreven op de oude "dubbele klinker"-manier en de nieuwe "hoedjes"-manier. Het resultaat? De luisteraars konden het verschil niet merken. Ze beoordeelden beide versies als even natuurlijk en begrijpelijk. Sterker nog, sommige luisteraars gaven zelfs de voorkeur aan de nieuwe "hoedjes"-versie omdat het er meer uitzag als de manier waarop zij de woorden in hun hoofd zien.

Het Oordeel: Een Goed Begin, Maar Niet Perfect

Het team testte hun systeem met 50 vrijwilligers die elk naar 10 verschillende namen luisterden. De resultaten waren veelbelovend maar eerlijk. De computer was ongelooflijk goed in het begrijpelijk zijn (scoorde hoog op "intelligibility"), wat betekent dat iedereen precies wist welk woord er werd uitgesproken. Echter, de score voor "naturalness" (natuurlijkheid) was iets lager. De luisteraars beschreven de stem als een beetje traag, zoals een leraar die een tekstboek voorleest aan een klas, in plaats van een vriend die casual een gesprek voert. Dit komt omdat het systeem kleine fragmenten aan elkaar plakt, en er is een kleine, onnatuurlijke pauze tussen elke lettergreep.

Het artikel is heel duidelijk over wat het niet doet. Het handelt geen complexe ritmes in lange zinnen of de manier waarop de toonhoogte over een hele paragraaf daalt. Het is specifiek ontworpen voor korte namen. Het is ook afhankelijk van de gebruiker die de juiste toontekens typt; als je zonder deze tekens typt, weet de robot de melodie niet.

Uiteindelijk laat dit artikel zien dat voor talen waar de muziek is opgeschreven, we geen enorme AI-hersenen nodig hebben om het lied te leren. We hebben alleen een slimme bibliothecaris nodig met een goede set regels. Het systeem bewijst dat een op regels gebaseerde aanpak de complexe muzikaliteit van het Yorùbá kan afhandelen, en de nieuwe "hoedjes" en "vinkjes" bieden een praktische, toetsenbordvriendelijke manier om deze klanken te schrijven zonder de manier waarop mensen hun namen spellen te veranderen. Het is een solide, werkende fundering die kan helpen bij het bouwen van nog betere stemmen in de toekomst.