CONFORMER ШИФРЛАУШЫСЫН ҚОЛДАНЫП ҚАЗАҚ ТІЛІНДЕ AУДИО-МӘТІН ТҮРІНДЕ ЖИНАЛҒАН МӘЛІМЕТТЕР ҚОРЫН СЫНАУ
Қазіргі уақытта сөйлеуді тану жүйелері ақылды көмекшілер, мүмкіндігі шектеулі адамдарға арналған бағдарламалар және интернеттегі дауыстық іздеу сияқты көптеген салаларда кеңінен қолданылады. Бұл технологиялар пайдаланушылардың компьютерлік жүйелермен өзара әрекеттесуін айтарлықтай жеңілдетеді. Алайда, сөйлеуді өңдеу саласындағы мұндай жетістіктер ағылшын, орыс және басқа да кең таралған тілдерге қолжетімді болғанымен, аз ресурсты тілдер үшін әлі де қолжетімсіз. Бұл мәселенің басты себептерінің бірі – сөйлеуді автоматты түрде тану жүйелерін оқытуға қажетті аудио-мәтін деректерінің тапшылығы. Мұндай деректерді жинау өте күрделі және қымбат процесс болғандықтан, олардың қолжетімділігі шектеулі немесе мүлде коммерциялық түрде қолжетімсіз. Осыған байланысты, көптеген тілдер үшін сөйлеуді тану технологиялары әлі де толыққанды дамымаған. Қазақ тілі де аз ресурсты тілдер қатарына жатады, өйткені оған арналған ашық аудио-мәтін корпустарының жалпы көлемі 1000 сағаттан аспайды. Осы жұмыста қазақ тіліне арналған деректер көлемін кеңейту, олардың сапасын артық символдардан тазарту, сондай-ақ жинақталған 396 сағаттық деректерді Conformer-энкодер негізінде нейрондық архитектураны оқыту мақсатында зерттеу жүргізілді. Зерттеу барысында деректерді алдын ала өңдеудің қолданыстағы әдістеріне кешенді талдау жасалды, оларды автоматты түрде тазарту процесі іске асырылды, сондай-ақ сөйлеуді тану жүйесін эксперименттік оқыту жүргізілді. Жүргізілген эксперименттер ұсынылған әдістің сөйлеуді тану сапасын WER 20.4%-22.4% және CER 8.2%-9.3% деңгейінде қамтамасыз ететінін көрсетті, бұл Conformer архитектурасының қазақ тіліне қолдануға жарамдылығын дәлелдейді. Сонымен қатар, қазақ тілінің агглютинативті морфологиясын өңдеуге байланысты негізгі қиындықтар қарастырылды және оларды заманауи нейрондық архитектуралар аясында шешу жолдары ұсынылды.
Сведения
- Опубликовано
- 2025 · № 2
- Язык
- Казахский
- ISSN
- 1991-346X · 2518-1726
- Издатель
- Central Asian Academic Research Center LLP