Darmowa transkrypcja mowy na tekst — język telugu

Telugu ma według indyjskiego spisu powszechnego z 2011 roku około 83 milionów rodzimych użytkowników, co czyni go czwartym najczęściej używanym językiem ojczystym w Indiach — po hindi, bengalskim i marathi — oraz najliczniejszym z języków drawidyjskich. Jest językiem urzędowym stanów Andhra Pradesh i Telangana oraz dystryktu Yanam w Puducherry, a niesie ogromną ilość nagranej mowy: kanały informacyjne, wykłady uniwersyteckie, audio z YouTube i podcastów, nagrania z call center i biur, a także przemysł filmowy z siedzibą w Hajdarabadzie, jeden z największych w Indiach.

Pierwsze, co większość osób chce wiedzieć, to jak właściwie wygląda taki transkrypt. Telugu ma własne pismo — abugidę wywodzącą się ze wspólnego średniowiecznego systemu pisma telugu-kannada, z charakterystycznymi zaokrąglonymi kształtami liter i małą kreską górną w kształcie litery v, zwaną talakattu. Każda spółgłoska niesie wbudowaną samogłoskę, pozostałe samogłoski zapisywane są jako znaki doczepiane, a zbitki spółgłoskowe układa się w formy podpisywane pod literą główną. ConvertSpeech zapisuje Twój transkrypt właśnie tym pismem, jako తెలుగు, a nie jako zlatynizowane „telugu". Ma to praktyczne znaczenie, bo pismo odróżnia również spółgłoski przydechowe od nieprzydechowych oraz samogłoski krótkie od długich, a te różnice zmieniają znaczenie, nie tylko pisownię.

Telugu jest też zbudowany zupełnie inaczej niż hindi czy angielski, a to kształtuje wygląd transkryptu. Należy do języków drawidyjskich, nie indoeuropejskich, jego podstawowy szyk to podmiot-dopełnienie-orzeczenie, a relacje gramatyczne wyraża się wyłącznie przez doklejanie sufiksów na końcu wyrazu — telugu nie ma żadnych prefiksów ani infiksów. Jedno wypowiedziane słowo może więc nieść to, na co polszczyzna potrzebuje całego zdania podrzędnego, i trafić na stronę jako wyraz bardzo długi. Na dodatek codzienny miejski telugu bez przerwy miesza się z angielskim, co powszechnie przezywa się Tenglish: ludzie mówią „chala thanks" zamiast dhanyavadamulu, a w biurach w Hajdarabadzie, Visakhapatnam czy Vijayawadzie język potrafi przełączyć się w środku zdania i zaraz wrócić. Nasz silnik transkrybuje te angielskie słowa jako angielskie wewnątrz tekstu telugu, zamiast wciskać je na siłę w pisownię telugu.

Prześlij audio lub wideo, a silnik zapisze wypowiedziany telugu jako czysty, przeszukiwalny tekst z interpunkcją, gotowy do skopiowania do dokumentu, pliku napisów lub narzędzia tłumaczącego. 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.

Pierwsze, co warto sprawdzić, to pismo: transkrypt wraca zapisany pismem telugu, a nie w telugu wystukanym literami łacińskimi. Imiona postaci przetrwały jako czytelne wyrazy telugu — చక్రపాణి jako Chakrapani — a ligatury spółgłoskowe, które składają dwie litery w jeden kształt, są uformowane poprawnie, zamiast być rozbite na części. Znaki zapytania i cudzysłów otwierający mowę niezależną postawił sam silnik.

Dwie uczciwe uwagi. Telugu bywa czasem zwracany w latynizacji, a nie we własnym piśmie — w tym fragmencie to się nie zdarzyło, ale zdarza się na tyle często, że wskazówki poniżej sugerują rzucenie okiem na początek transkryptu, zanim go użyjesz. A lektor posługuje się starszym, formalnym literackim telugu, w którym napisano powieść; transkrypt idzie za tym rejestrem, zamiast przepisywać go na współczesną pisownię potoczną.

To scena szybkiego dialogu czytana w tempie, a to trudniejsze niż wyraźnie artykułowany wykład albo dyktowana notatka. Ciche nagranie z jednym mówcą naraz wychodzi zauważalnie czyściej. Fragment po prostu urywa się tam, gdzie kończy się te 45 sekund.

Telugu wyraźnie różni się w zależności od regionu. Językoznawcy zwykle grupują go w odmianę północną, używaną w regionie Telangana, odmianę środkową (nadmorską) z przybrzeżnych dystryktów Andhry, odmianę południową w Rayalaseemie oraz odmianę wschodnią w północnej Andhrze. Standard pisany wyrósł w dużej mierze z dystryktów nadmorskich, więc mowa wybrzeża bywa najbliższa temu, jak telugu się zapisuje — a to fakt z historii normy pisanej, a nie ocena którejkolwiek z odmian mowy.

Dla transkrypcji najbardziej praktyczną różnicą jest słownictwo. Telugu z Telangany, a zwłaszcza mowa Hajdarabadu, niesie pokaźną warstwę zapożyczeń perskich, arabskich i urdu, wchłanianych od XIV wieku pod panowaniem sułtanatu Delhi, a potem państw Dekanu. Codzienne słowa na przedmioty domowe, jedzenie i administrację potrafią różnić się od odpowiedników nadmorskich, a wyrazy zapożyczone są statystycznie najbardziej prawdopodobnym miejscem potknięcia systemu automatycznego. Jeśli Twoje nagranie ma silny koloryt Telangany, to właśnie te słowa sprawdź przy korekcie najpierw; gramatyka i budowa zdań przejdą bez problemu.

Rejestr znaczy tu co najmniej tyle, co region. Telugu od dawna dzieliła szeroka przepaść między formalnym literackim stylem pisanym a tym, jak ludzie faktycznie mówią, a w XX wieku — po długiej kampanii reformatorów, takich jak Gidugu Venkata Ramamurthy — nowoczesny standard mówiony wyparł dawną formę literacką z druku, nauczania i mediów. Nadal słychać obie: serwis informacyjny albo formalne przemówienie używa pełnych, starannie wymawianych końcówek czasownikowych, podczas gdy wywiad, vlog czy rozmowa telefoniczna mocno je skracają. Nasz silnik idzie za rejestrem nagrania, zamiast przerabiać jeden na drugi, i dlatego formy literackie w powyższej próbce zachowane są tak, jak zostały przeczytane.

Jak zawsze największym pojedynczym czynnikiem jest jakość nagrania. Mocny dialekt wypowiadany szybko na tle hałasu jest wyzwaniem dla każdego systemu automatycznego — w telugu tak samo jak w każdym innym języku — i żaden silnik nie transkrybuje go tak niezawodnie jak czysty sygnał.