Қарақалпақша ашық аудиокорпус

Ақырғы жазған постларымның биринде жасалма интеллект тараўындағы қарақалпақ тилиниң жағдайы ҳаққында сөз еткен едим. Оннан берли ЖИ әдеўир алдыға илгериледи, көплеген өндирис ҳәм тараўларда трансформацияларға алып келди. Бирақ, усы ўақыт аралығында жасалма интеллекттиң қарақалпақ тилин түсиниўи мәселесинде дерлик өзгерис болмады. Буған қарақалпақша мағлыўматлардың жетиспеўшилиги елеге дейин тийкарғы себеплердиң бири болып киятыр.

Өткенде бул мәселеде мәмлекет қандай роль ойнаўы мүмкинлиги ҳаққында да жазып едим. Деген менен, күтилгениндей, бул мәселеде ҳешқандай алға илгерилеў болмады. Демек, бул мәселени биз өз қолымызға алып, жәмәәт болып биргеликте ислеўге ҳәрекет етип көриўимиз керек.

Жақында усы мәселе бойынша мен бир илажды баслап едим, оны бир өзим ақырына жеткере алмаўым анық. Егер, жоқарыда айтқанымдай, жәмәәт болып бирлесип ислессек, тез арада жуўмақлап таслаўға болатуғынлығына мен исенемен.

Жасалма интеллект ушын қарақалпақша мағлыўматларды тийкарынан текст ҳәм аудио көринисинде жыйнаў керек болады. Текст көринисиндеги мағлыўматларды жыйнаў келешекте бизге ChatGPT сыяқлы ЖИ ботларында қарақалпақ тилинде сөйлесиў, текстлерди қарақалпақ тилинен басқа тиллерге аўдарыў ҳәм тағы басқа көплеген әмеллерди орынлаў имканиятын жаратады. Ал, аудиокорпус жыйнаў арқалы ЖИ ке қарақалпақ тилиндеги аудиоларды түсиниў, оны текстке, текстти аудиоға айландырыў мүмкиншиликлерин қоса аламыз.

Текст корпуслары, улыўма алып қарағанда, ең зәрүрлиси есапланады, лекин оны жыйнаў аңсат болмайды. Оннан тысқары, Али деген жерлесимиз бул мәселе үстинде ислеп атырған екен, сонлықтан мен өз дыққатымды аудио тәрепке қаратыўды мақул көрдим. Солай екен, мен баслап атырған бул илаж қарақалпақ тилиниң ашық аудиокорпусын жыйнаўға қаратылған.

Арамызда Telegram, WhatsApp ҳәм соған уқсас мессенджерлерде аудиохабар алмасып көрмеген адамның өзи жоқ шығар. Бул ушын арнаўлы көнликпе де талап етилмейди. Усы үстемликтен үнемли пайдаланыў мақсетинде, мен Телеграм‑бот жараттым (@kaa_voice_bot). Ол жерге қарақалпақ тилиндеги 15 мыңға шамалас гәп жүкленген. Енди ислениўи керек болған жумыс — гәплерди аудиоға айландырып шығыў.

Усы жерде маған сизиң ҳәм басқа да жерлеслеримиздиң жәрдеми керек болады. Телеграм‑ботқа кирип, көрсетилген гәплерди аудиохабар көринисинде оқып жибериўимиз ҳәм усы арқалы аудиокорпус жыйнаўымыз зәрүр.

Гөзленген мақсет — 50 саатлық аудиокорпус жыйнаў, яғный барлық жыйналған аудиолардың даўамлылығын қосқанда 50 саатқа жеткериў. Бул, әлбетте, таң қаларлық дәрежедеги үлкен көлем емес. Бул көлемге жеткенимизден соң, ChatGPT сыяқлы ЖИ лер қарақалпақшалап «сайрап» кетпейди. Деген менен, фундамент ушын жақсы көрсеткиш.

Егер буны әмелге асыра алсақ, қарақалпақша аудиолардың текстин алып беретуғын ЖИ модельлерин оқытыўға болады. Кейин бул модельлер арқалы еле де көп аудиокорпуслар жыйнаў мүмкиншилиги пайда болады. Сол ушын, сизден өтиниш, жойбарға қатнасың, танысларыңызды, досларыңызды да бунда белсенди болыўға шақырың. Өйткени, «көптиң иси өнимли» деп халқымыз бийкарға айтпаған.