Veriler nereden geliyor: dördüncü yazının ses eşlikçisi

Serinin dördüncü yazısı verilerle ilgili. İkinci yazıdaki konuşma tanıyıcı da üçüncüdeki ses de bir şeyden öğrenmek zorundaydı, oysa dilimiz için hazır veri neredeyse yoktu. Yazı bu verilerin nereden geldiğini ve içlerinde ne kadar tuzak olduğunu anlatıyor. Burada dinleyip görebileceğiniz dört örnek var.

İki tanıyıcı uzlaştı

Elimizde birkaç saatlik bir sesli kitap vardı, ama o baskının basılı metnini hiçbir yerde bulamadım. Bu yüzden kaydı önce bizim tanıyıcımız yazıya döktü, sonra bambaşka biçimde kurulmuş ikinci bir tanıyıcı da dinledi. Derleme yalnızca iki çözümün neredeyse aynı çıktığı parçalar girdi. Farklı hatalar yapan iki model nadiren aynı hatayı yapar.

Sesli kitaptan bir parça

Eski çalıştırma, aynı yer

Menimki öldi, men cenki kettim, saq selamet qaytıp, başıñız sağ olsun, başıñız sağ olsun, başıñız sağ olsun… ve böyle art arda yaklaşık 50 kez

Şimdi, iki tanıyıcı birden

Aydı! Yahşı! Aç olmadı, balam! Toqluqnıñ zararı yoq. Tek içmesin! – dep qoştı Arslanov.

Bu, metnin doğru olduğunun kanıtı değil: iki yanlış model de ilke olarak uzlaşabilir. Bu yüzden şüpheli parçaları kulakla kontrol ediyoruz.

Kontrol metni yanlıştı

Tanıyıcının iyileşip iyileşmediğini anlamak için kontrol metinleri gerekir. Canlı konuşma için bunları eskiden makinenin kendisi, tanıyıcının eski sürümü hazırlıyordu. Eski ve yeni modelin ayrıştığı parçaları alıp hangi çözümün kime ait olduğunu bilmeden, körlemesine dinledim. Kontrol metinlerinin kelimelerin yaklaşık %15’inde yanlış olduğu ortaya çıktı. İşte portalımızdan, sıradan bir mikrofonla kaydedilmiş üç kısa replik. Her birinde kontrol metni yanlıştı, yeni model ise benim duyduğumu yazdı.

Portaldan üç replik

1. Kontrol metni

Aleyküm selâm, sebzeler qidıram. Qaçtan qıyar sized?

1. Kulakla

Aleykom selâm, sebzelerni qıdıram, qaçtan qıyar sizde?

2. Kontrol metni

Daa ek kilo pomidor berimiz.

2. Kulakla

Daa eki kilo pomidor beriñiz?

3. Kontrol metni

Çoq sağ oluñız! Qarlı künler sizgede! qarlı künler: «karlı günler»

3. Kulakla

Çoq sağ oluñız, hayırlı künler sizge de. hayırlı künler: «hayırlı günler»

Kontrol metni yanlış olduğu sürece, eskisinden ayrışan yeni model kendiliğinden daha kötü görünüyordu. Oysa aslında belirgin biçimde daha sık haklıydı.

Bir metin, iki sentetik ses

Kendi kaydınız az olunca onu kendiniz üretmek istersiniz. Sentezlenmiş bir kaydın metni kusursuzdur: makine okumadan önce metni biz seçtik. Tanıyıcının eğitimine birkaç sesten sentezlenmiş konuşma ekledim. Aşağıdaki yalnızca bunun ne demek olduğunu gösteren bir örnek: aynı iki cümle, Sevil’in sesiyle ve benim sesimle. Bu kayıtlar eğitimde yer almadı.

İki sesli kitaptan oluşan sınavda sentetik konuşma işe yaradı: kelime hataları %17,0’dan %15,7’ye indi. Ama gerçek hayata daha yakın kayıtlarda sentetikle eğitilen model daha kötü göründü ve kullanıma alınmadı.

Bizim mi, Türkçe mi

Bir gün dil modelimiz bana «Ayt, men dinlemeye hazırım» diye cevap verdi. Kırım Tatarcasında doğrusu «Ayt, men diñlemege azırım», yani «Söyle, dinlemeye hazırım». Kelimeler neredeyse aynı, biçim ise Türkçe. Sıradan bir dil filtresi bunu görmüyor, bu yüzden kendi dedektörlerimi yazmam gerekti. Bu dedektörler Kırım Tatarcasında olmayan biçimleri arıyor.

Ayt, men diñlemege azırım.

Burada kaba işi makineler yapıyor. Şüpheli yerlerde ise son söz anadili konuşurunun kulağında kalıyor.

Devamını okuyun

• ana-yurt.com'daki tam yazı (Rusça) — bağlantı yayımlandıktan sonra eklenecek