Temeljne raziskave za razvoj govornih virov in tehnologij za slovenščino

Govorni viri so v primerjavi s pisnimi viri redki in slabo razviti, zlasti za majhne jezike, kot je slovenščina. Da bi lahko izvajali temeljne raziskave na področju govorjenega jezika ali govornih tehnologij, ki bi imele pomemben vpliv na razvoj znanosti, je treba najprej nasloviti problem slabo razvitih govornih virov. Toda razvoj govornih virov ne pomeni samo aplikativnega zbiranja podatkov, pač pa odpira vrsto temeljnih raziskovalnih vprašanj. Ta vprašanja bomo naslovili v tem projektu, s fokusom na slovenskem jeziku. To je predlog velikega projekta in je razdeljen v 4 delovne sklope (DS), vsak sklop pa v 2-4 aktivnosti, 14 aktivnosti skupno. 4 aktivnosti so samo jezikoslovne, 2 samo tehnični, večina aktivnosti (8) pa je interdisciplinarnih. Specifični cilji delovnih sklopov in njihovih aktivnosti so sledeči: DS1 PRIDOBIVANJE POSNETKOV GOVORA - Cilj 1.1: Analizirati potrebe po govornih virih v različnih jezikoslovnih in tehničnih disciplinah. - Cilj 1.2 Analizirati prednosti in slabosti različnih tehnik snemanja, s posebnim poudarkom na množičenju kot tehniki, ki je časovno in denarno učinkovita. - Cilj 1.3 Vrednotenje učinkovitosti modelov za razpoznavanje govora, učenih na govornih podatkih, omejenih na določeno področje in pridobljenih z nizkocenovnimi nenadzorovanimi ali delno nadzorovanimi tehnikami, v primerjavi s splošnimi podatki, pridobljenimi z visokocenovnimi tehnikami. - Cilj 1.4 Identifikacija govornih/govorniških nalog, za katere je treba pridobiti dodatne označene govorne podatke za učenje razpoznavanja slovenskega govora. DS2: NAREČNA VARIABILNOST - Cilj 2.1 Jezikovnogeografska analiza izbranih fonetičnih pojavov, izdelava diahronih fonetičnih kart nestandardnega fonetičnega inventarja, izdelava predloga za standardizacijo slovenske narečne transkripcije in njeno pretvorbo v IPA (in SAMPA). - Cilj 2.2 Izdelava sintetičnih sinhronih fonetičnih kart za določitev prostorske razširjenosti nestandardnih fonemov v slovenskih narečjih. Izdelava priporočil za izboljšanje pogovornega zapisa za slovenski govorni korpus. - Cilj 2.3 Izdelava in testiranje diasistemskih narečno-knjižnih kontrastivnih tabel fonemov. Vzpostavitev transkripcijskih standardov za fonetično transkripcijo govornih korpusov. - Cilj 2.4 Definicija in vrednotenje optimalnega nabora slovenskih fonemov za razpoznavanje govora (ob upoštevanju na novo definiranih narečnih fonemov), metrike podobnosti in različnih razpoložljivih govornih podatkov. DS3: SEGMENTIRANJE IN OZNAČEVANJE GOVORA - Cilj 3.1 Vrednotenje označevanja govornih segmentov/izjav v slovenskih govornih virih glede njihove ustreznosti kot osnovne enote za analizo govora na skladenjski in pomenski ravni. - Cilj 3.2 Analiza različnih vrst netekočnosti v govorjenem besedilu, izdelava učnega korpusa netekočnosti in eksperimenti za avtomatsko označevanje netekočnosti. - Cilj 3.3 Razvoj cevovoda za jezikoslovno označevanje na podlagi govornih podatkov in transkripcij (pridobljenih ročno in avtomatsko) ter jezikoslovno označevanje korpusa GOS 2.0. - Cilj 3.4 Vrednotenje sheme za označevanje dialoških dejanj GORDAN, njena prilagoditev standardu ISO 24617-2 in izdelava učnega korpusa z oznakami dialoških dejanj. DS4: GOVORJENA LEKSIKA - Cilj 4.1 Vrednotenje obstoječih informacij o govorjeni slovenščini v leksikonu Sloleks in oblikovanje smernic za vključitev (nestandardnih) govorjenih podatkov v Sloleks, primerljivo s strojno berljivimi leksikoni za druge jezike. - Cilj 4.2 Analiza obstoječih pomenskih informacij, vključenih v leksikografske vire za slovenščino z vidika govorjene slovenščine, skupaj z analizo komplementarnih podatkov govornega korpusa in raziskovanje načel vključevanja ugotovitev v leksikografske vire.