Qaraqalpaqsha ashıq audiokorpus
Aqırǵı jazǵan postlarımnıń birinde jasalma intellekt tarawındaǵı qaraqalpaq tiliniń jaǵdayı haqqında sóz etken edim. Onnan berli JI ádewir aldıǵa ilgeriledi, kóplegen óndiris hám tarawlarda transformaciyalarǵa alıp keldi. Biraq, usı waqıt aralıǵında jasalma intellekttiń qaraqalpaq tilin túsiniwi máselesinde derlik ózgeris bolmadı. Buǵan qaraqalpaqsha maǵlıwmatlardıń jetispewshiligi elege deyin tiykarǵı sebeplerdiń biri bolıp kiyatır.
Ótkende bul máselede mámleket qanday rol oynawı múmkinligi haqqında da jazıp edim. Degen menen, kútilgenindey, bul máselede heshqanday alǵa ilgerilew bolmadı. Demek, bul máseleni biz óz qolımızǵa alıp, jámáát bolıp birgelikte islewge háreket etip kóriwimiz kerek.
Jaqında usı másele boyınsha men bir ilajdı baslap edim, onı bir ózim aqırına jetkere almawım anıq. Eger, joqarıda aytqanımday, jámáát bolıp birlesip islessek, tez arada juwmaqlap taslawǵa bolatuǵınlıǵına men isenemen.
Jasalma intellekt ushın qaraqalpaqsha maǵlıwmatlardı tiykarınan tekst hám audio kórinisinde jıynaw kerek boladı. Tekst kórinisindegi maǵlıwmatlardı jıynaw keleshekte bizge ChatGPT sıyaqlı JI botlarında qaraqalpaq tilinde sóylesiw, tekstlerdi qaraqalpaq tilinen basqa tillerge awdarıw hám taǵı basqa kóplegen ámellerdi orınlaw imkaniyatın jaratadı. Al, audiokorpus jıynaw arqalı JI ke qaraqalpaq tilindegi audiolardı túsiniw, onı tekstke, tekstti audioǵa aylandırıw múmkinshiliklerin qosa alamız.
Tekst korpusları, ulıwma alıp qaraǵanda, eń zárúrlisi esaplanadı, lekin onı jıynaw ańsat bolmaydı. Onnan tısqarı, Ali degen jerlesimiz bul másele ústinde islep atırǵan eken, sonlıqtan men óz dıqqatımdı audio tárepke qaratıwdı maqul kórdim. Solay eken, men baslap atırǵan bul ilaj qaraqalpaq tiliniń ashıq audiokorpusın jıynawǵa qaratılǵan.
Aramızda Telegram, WhatsApp hám soǵan uqsas messendjerlerde audioxabar almasıp kórmegen adamnıń ózi joq shıǵar. Bul ushın arnawlı kónlikpe de talap etilmeydi. Usı ústemlikten únemli paydalanıw maqsetinde, men Telegram‑bot jarattım (@kaa_voice_bot). Ol jerge qaraqalpaq tilindegi 15 mıńǵa shamalas gáp júklengen. Endi isleniwi kerek bolǵan jumıs — gáplerdi audioǵa aylandırıp shıǵıw.
Usı jerde maǵan siziń hám basqa da jerleslerimizdiń járdemi kerek boladı. Telegram‑botqa kirip, kórsetilgen gáplerdi audioxabar kórinisinde oqıp jiberiwimiz hám usı arqalı audiokorpus jıynawımız zárúr.
Gózlengen maqset — 50 saatlıq audiokorpus jıynaw, yaǵnıy barlıq jıynalǵan audiolardıń dawamlılıǵın qosqanda 50 saatqa jetkeriw. Bul, álbette, tań qalarlıq dárejedegi úlken kólem emes. Bul kólemge jetkenimizden soń, ChatGPT sıyaqlı JI ler qaraqalpaqshalap «sayrap» ketpeydi. Degen menen, fundament ushın jaqsı kórsetkish.
Eger bunı ámelge asıra alsaq, qaraqalpaqsha audiolardıń tekstin alıp beretuǵın JI modellerin oqıtıwǵa boladı. Keyin bul modeller arqalı ele de kóp audiokorpuslar jıynaw múmkinshiligi payda boladı. Sol ushın, sizden ótinish, joybarǵa qatnasıń, tanıslarıńızdı, doslarıńızdı da bunda belsendi bolıwǵa shaqırıń. Óytkeni, «kóptiń isi ónimli» dep xalqımız biykarǵa aytpaǵan.