Darmowa transkrypcja mowy na tekst — język hiszpański

Hiszpańskim jako językiem ojczystym mówi około 500 milionów ludzi — więcej tylko mandaryńskim — a jest on urzędowy w dwudziestu krajach: w Hiszpanii, Gwinei Równikowej i osiemnastu państwach Ameryki Łacińskiej, a także w Portoryko. To dlatego hiszpańskie nagrania przychodzą z madryckich redakcji, call center w mieście Meksyk, studiów podcastowych w Buenos Aires i badań terenowych w Andach — wszystkie zapisują ten sam język i żadne nie wymawiają go dokładnie tak samo.

Hiszpańska pisownia trzyma się blisko wymowy, co przenosi większość trudności gdzie indziej: na znaki diakrytyczne. Akcent graficzny (hiszp. tilde) nie jest ozdobą, tylko nosi znaczenie. Papá to tata, a papa to ziemniak; sí to „tak", a si to „jeśli"; término, termino i terminó to rzeczownik, pierwsza osoba i trzecia osoba, które dzieli wyłącznie miejsce akcentu. Ñ to samodzielna litera, a nie n w kapeluszu — año to rok, ano to co innego. ConvertSpeech zapisuje to wszystko, a właśnie to odróżnia czytelny hiszpański od okrojonego wypisu maszynowego.

Do tego dochodzą znaki odwrócone. Hiszpański otwiera pytanie znakiem ¿, a wykrzyknienie znakiem ¡ — i otwiera je tam, gdzie pytanie faktycznie się zaczyna, a to często jest środek zdania, nie jego początek. W hiszpańskim ma to większe znaczenie, niż sugerowałaby sama symetria: szyk wyrazów często nie odróżnia pytania od stwierdzenia — „tienes hambre" i „¿tienes hambre?" to te same słowa — więc to właśnie znaki mówią czytelnikowi, z czym ma do czynienia. Przykładowy transkrypt poniżej pokazuje, jak silnik stawia ¿ w środku zdania, po przecinku, dokładnie tam, gdzie postawiłby go redaktor.

Wymowa dokłada ostatnią warstwę, której nie usunie żaden, choćby najczystszy dźwięk. Mówcy z seseo wymawiają casa i caza identycznie, yeísmo sprawia, że cayó i calló brzmią tak samo, b i v to w hiszpańskim jeden dźwięk, a h jest nieme — więc o pisowni tuvo kontra tubo albo haya kontra halla kontra aya rozstrzyga wyłącznie kontekst. Prześlij audio lub wideo, a silnik zapisze wypowiedziany hiszpański jako czysty, przeszukiwalny tekst z interpunkcją. Działa w przeglądarce, nie wymaga instalacji, a pierwsze minuty są darmowe, bez zakładania konta.

To prawdziwe, 45-sekundowe nagranie czytane przez człowieka, przepuszczone przez nasz silnik AI dokładnie tak, jak przepuścisz własny plik. Nic nie zostało potem poprawione. Włącz odtwarzanie i czytaj razem z lektorem.

Warto zwrócić uwagę: pierwszy wiersz kończy się na ¿por qué no ministro?, a znak ¿ zostaje otwarty w środku zdania, po przecinku, dokładnie tam, gdzie zaczyna się pytanie, a nie na początku zdania — to reguła, którą automatyczny hiszpański najczęściej łamie. Mowa niezależna otwiera się jako «¡Mia tú, a silnik sam z siebie wybrał hiszpański cudzysłów ostrokątny i odwrócony wykrzyknik. Akcenty trafiają tam, gdzie zmieniają wyraz: tú i quién w ¿Sabes tú quién tiene la culpa? są oznaczone, a nieakcentowane tu w a tu abuela nie. Sacristán, había, llegaría, quizá, célebre, compañero, ponía, empeños, mamá i tías wychodzą poprawnie. Nie jest bezbłędnie — chłopiec w powieści nazywa się Cadalso, a transkrypt zapisuje Carso, parafia Monserrat staje się Monserrate, i to właśnie na nazwach własnych hiszpański transkrypt potyka się najpierw.

To staranne, wyraźnie artykułowane czytanie — bliżej mu do wykładu albo dyktowanej notatki niż do prawdziwej rozmowy. Wywiad w gwarnej kawiarni, gdzie trzy osoby mówią jedna przez drugą, albo szybki mówca z Karaibów połykający każde s na końcu sylaby, nie wyjdzie tak czysto; nie wyjdzie tak w żadnym automatycznym systemie. Ostatni wiersz urywa się w połowie zdania po prostu dlatego, że tam kończy się te 45 sekund. Jakość nagrania pozostaje najważniejszym czynnikiem decydującym o wyniku.

Hiszpański europejski (kastylijski) zachowuje rozróżnienie, które większość świata hiszpańskojęzycznego utraciła: c przed e lub i oraz z wymawia się jako /θ/, czyli „th" jak w angielskim think, więc casa i caza to różne słowa nie tylko na papierze, ale i dla ucha. Fachowa nazwa tego zjawiska to distinción, a nie ceceo — ceceo to zjawisko odwrotne, w którym samo /s/ realizowane jest jako /θ/, i jest to cecha regionalna części Andaluzji, a nie hiszpański standard. To także w mowie półwyspowej spotyka się vosotros i jego własne końcówki czasownikowe — habláis, tenéis, sois, vosotros os — które w nagraniach latynoamerykańskich po prostu nie występują.

Hiszpański meksykański to największa pojedyncza odmiana pod względem liczby użytkowników i jedna z najprostszych w transkrypcji: s na końcu sylaby pozostaje wyraźnie wymawiane, a rytm jest równy. Drugiego spojrzenia wymaga słownictwo i nazwy miejscowe pochodzenia nahuatl — elote, popote, chamaco, guajolote — oraz litera x, którą w México, Oaxaca i Xalapa wymawia się jak j, ale w taxi jako /ks/, a w Xochimilco jako „sz". Nic z tego nie da się przewidzieć z pisowni, więc nazwy własne warto przejrzeć.

Hiszpański rioplatense, z okolic Buenos Aires i Montevideo, ma dwie cechy, które zmieniają sam tekst. Voseo zastępuje tú formą vos i ma własne formy czasownikowe — vos hablás, vos tenés, vos sos oraz tryby rozkazujące w rodzaju vení, mirá, decime — a są to poprawne formy hiszpańskie, nie błędy do znormalizowania na tú eres. Druga cecha to żeísmo: ll i y wymawia się jako dźwięk zbliżony do „sz" lub „ż", więc calle brzmi jak „casze", a yo jak „szo". Silnik transkrybuje to, czym są słowa, a nie to, jak zostały wymówione, więc wynik pozostaje w standardowej pisowni.

Hiszpański karaibski — Kuba, Portoryko, Dominikana oraz wybrzeża Wenezueli i Kolumbii — to najtrudniejsza grupa dla każdego systemu automatycznego, i to z uczciwego powodu. S na końcu sylaby przechodzi w przydechowe h albo znika zupełnie, więc los dos staje się „loh doh", a las casas może brzmieć identycznie jak la casa. Skoro to właśnie s oznacza liczbę mnogą, silnik musi odtworzyć informację gramatyczną, której mówca w ogóle nie wymówił — wyłącznie z kontekstu. Spółgłoski końcowe słabną, para ściąga się do pa, a tempo jest szybkie. Czysty dźwięk pomaga tu bardziej niż gdziekolwiek indziej.

Hiszpański andyjski, w wyżynnych rejonach Peru, Boliwii i Ekwadoru, znajduje się na drugim biegunie: jest zachowawczy, s na końcu sylaby przetrwało nienaruszone, a w części regionu wciąż żywe jest dawne rozróżnienie ll/y, które yeísmo zatarło gdzie indziej. Komplikacją jest tu raczej słownictwo niż brzmienie — zapożyczenia i nazwy miejscowe z keczua i ajmara przenikają mowę codzienną, a osoby dwujęzyczne mogą przenosić wzorce samogłoskowe z tych języków. Osobne ostrzeżenie należy się hiszpańskiemu chilijskiemu: szybki, mocno przydechowy, ze ściągniętymi końcówkami czasownikowymi w rodzaju ¿cachái? i ¿estái?, jest jedną z bardziej wymagających odmian.