Az Kaynaklı Anadolu Ağızları İçin Parametrik ve Dalga Formu Tabanlı Nöral Ses Sentezleyicisi
Gırtlaksı ve Damaksı Ünsüz Varyasyonlarının Çoklu Hoparlörlü Difüzyon Modeliyle Korunması
https://doi.org/10.5582/yorunge.2025.13.2.13
Konuşma difüzyon modelinin fonem bazlı dikkat matrisi ve mel-spektrogram dönüşümü. (Fotoğraf: Bilkent UNAM Ses Laboratuvarı)
Geleneksel metin-okuma (TTS) modelleri, standart İstanbul Türkçesi ses fonolojisine göre eğitildiklerinden, Anadolu ağızlarındaki zengin damaksı art damak seslerini, sağır nün (ñ) varyasyonlarını ve tonlama vurgularını kaybetmektedir. Bu makale, Ege, Karadeniz ve Doğu Anadolu kırsalında derlenen 180 saatlik ses kayıtları üzerinde eğitilmiş, dalga formu difüzyon mimarisine dayanan parametrik bir konuşma sentezleyicisi sunmaktadır. Model, yalnızca 3 dakikalık örneklemle yeni konuşmacıların fonetik ve diyalekt karakterini %94 benzerlikle klonlayabilmektedir.
Öne Çıkan Bulgular ve Kuramsal Çıkarımlar
- •Kaybolma tehlikesi altındaki 14 farklı Anadolu ağzı fonetik olarak dijital arşivlenmiştir.
- •Sistem 3 dakikalık referans ses kaydıyla hedef ağzın perde aralığını ve vurgu ritmini yakalamaktadır.
- •Açık erişimli ağırlıklar dilbilimsel ve kültürel miras araştırmalarına açılmıştır.
Fonetik Miras ve Dijital Temsil Darboğazı
Yapay zeka ses asistanlarının yaygınlaşması, bölgesel ağızların ve nesiller arası ses tonlamalarının standart bir homojenliğe itilmesine neden olmaktadır. Özellikle Karadeniz ve Doğu Anadolu ağızlarında yer alan nefesli ötümsüz ünsüzler ve vurgu kaymaları, standart dil modellerinin telaffuz edemediği karakteristik zenginliklerdir.
Geliştirilen mimari, mel-spektrogram tahmini yapan bir dönüştürücü (transformer) gövdesi ile doğrudan zaman alanında ses üreten difüzyon dalgaformu sentezleyicisini birleştirir.
Değerlendirme ve Dinleme Testleri
Yerel konuşmacılardan oluşan 40 kişilik bir dinleme jürisiyle yapılan ortalama görüş skoru (MOS) testlerinde model 4.42/5.00 puan almıştır.
Kaynakça ve Referanslar
- Sarpel, Y. (2024). Preserving regional phonetic heritage via zero-shot neural diffusion. Speech Communication, 156, 103019.[DOI]
Aynı Disiplindeki Diğer Araştırmalar
Olay Tabanlı Asenkron Görüntü İşleme Sensörleri İçin Düşük Güçlü Nöromorfik Devre Düzenleri
Dr. Yaman Sarpel