Ladino’nun sesini dijitale taşımak: Anadil’den yeni bir açık kaynak TTS modeli
Anadil.org Ekibi
Bir dilin kaybolması yalnızca kelimelerin unutulması anlamına gelmez. O dilin nasıl söylendiği, nerede durakladığı, bir cümlenin nasıl başladığı, bir kelimenin hangi sesle bittiği ve hatta konuşurken taşıdığı ritim de zamanla ortadan kaybolur. Yazılı bir metin bazen yüzlerce yıl ayakta kalabilir; fakat bir dilin sesi, onu konuşan insanların sesleriyle birlikte yaşar.
Anadil olarak çalışmalarımızın önemli bir tarafı tam da burada başlıyor. Daha önce Lazca, Zazaca, Adığece ve Kurmancî için geliştirdiğimiz açık kaynak konuşma sentezi çalışmalarının ardından şimdi sırayı Ladino’ya getirdik. AnadilLadinoTTS, Ladino yani Judeo-Spanish için geliştirdiğimiz yeni açık kaynak Text-to-Speech modelimiz. Model, Hugging Face üzerinde MIT lisansıyla yayımlandı ve herkesin inceleyebilmesi, geliştirebilmesi ve kendi projelerinde kullanabilmesi için erişime açıldı.
https://huggingface.co/Anadilorg/Anadil_Ladino_TTS
İstanbul’da konuşulan bir dilin dijital sesi
Ladino’nun hikâyesi Anadolu ve Osmanlı coğrafyasının çok katmanlı dil tarihinin en güzel örneklerinden biri.
1492 sonrasında İspanya’dan ayrılmak zorunda kalan Sefarad Yahudileri, beraberlerinde eski İspanyolcanın bir biçimini de taşıdılar. Bu dil, Osmanlı topraklarında yüzyıllar boyunca yeni kelimeler, yeni söyleyişler ve yeni kültürel katmanlarla birlikte yaşamaya devam etti. İstanbul, İzmir, Selanik ve Balkan şehirlerinde Ladino yalnızca bir ibadet veya edebiyat dili değil, insanların evlerinde, sokaklarında, dükkânlarında ve gündelik hayatlarında kullandıkları bir iletişim diliydi.
Bugün ise bu hikâyenin en önemli parçalarından biri sessizce kaybolma tehlikesiyle karşı karşıya: Ladino’nun sesi.
UNESCO tarafından kritik derecede tehlikede kabul edilen dilin konuşurlarının önemli bölümü ileri yaşlarda. Kuşaklar arasındaki aktarım da büyük ölçüde zayıflamış durumda. Bu nedenle Ladino için dijital bir konuşma modeli geliştirmek yalnızca teknik bir yapay zekâ projesi değil; dilin gelecekteki dijital dünyada da duyulabilmesi için küçük ama anlamlı bir adım.
Peki AnadilLadinoTTS ne yapıyor?
En basit hâliyle model, yazılı Ladino metni sese dönüştürüyor.
Modelimizi openBMB VoxCPM2 temel modeli üzerine LoRA yöntemiyle ince ayar yaparak geliştirdik. Eğitimde tek bir konuşucudan alınmış 2.283 konuşma segmenti kullanıldı. Bu sayı, Anadil ailesindeki diğer bazı modellerimizle karşılaştırıldığında oldukça küçük. Örneğin Kurmancî modelimiz çok daha büyük bir veri setiyle eğitildi. Dolayısıyla Ladino modelini tamamlanmış ve kusursuz bir sistem olarak değil, daha büyük çalışmaların önünü açabilecek bir erken aşama açık kaynak model olarak görmek gerekiyor.
Bununla birlikte küçük veri setinin önemli bir avantajı da var: kayıtların tek bir konuşucudan ve temiz bir stüdyo ortamından gelmesi, modelin ürettiği sesin tutarlı olmasını sağlıyor. Model şu anda belirli bir konuşucunun ses karakteri üzerinden çalışıyor ve özellikle kelime ile telaffuz çeşitliliği bakımından hâlâ geliştirmeye açık.
Bu bizim için bir eksiklikten çok, çalışmanın nereye doğru ilerleyebileceğini gösteren bir başlangıç noktası.
“Komo estas?” demek bile başlı başına bir mesele
Düşük kaynaklı diller için konuşma teknolojisi geliştirmek, büyük diller için aynı şeyi yapmaktan biraz farklı.
İngilizce, İspanyolca veya Türkçe gibi dillerde bir modelin önünde milyonlarca, hatta milyarlarca kelimelik metin ve çok büyük miktarda ses verisi bulunabiliyor. Ladino gibi konuşur sayısı azalmış ve dijital kaynakları sınırlı dillerde ise durum tamamen farklı.
Üstelik Ladino'nun yazım tarihi de tek bir standarttan ibaret değil. Latin harfleriyle kullanılan Aki Yerushalayim yazım geleneğinin yanı sıra tarihsel olarak İbrani harfleriyle farklı yazım biçimleri de bulunuyor. Bu ilk modelde özellikle Latin alfabesi ve Aki Yerushalayim yazım kuralları üzerinden ilerledik.
Yani burada yalnızca “İspanyolca bilen bir yapay zekâya Ladino okutmak” gibi bir durum yok. Asıl mesele, Ladino'nun kendine özgü kelime hazinesini, ses yapısını ve yazım alışkanlıklarını dijital bir konuşma sisteminin anlayabileceği biçimde ele almak.
Bir modelden daha fazlası: yeni bir başlangıç noktası
AnadilLadinoTTS'nin belki de bizim açımızdan en önemli tarafı, yalnızca ortaya çıkan ses dosyası değil; modelin açık kaynak olarak yayımlanmış olması.
Model Hugging Face üzerinde MIT lisansıyla erişime açık. Model ağırlıkları, kullanım örnekleri ve yerel çalıştırma araçları depoda bulunuyor. İsteyen araştırmacılar modeli inceleyebilir, kendi bilgisayarında çalıştırabilir, çıktıları değerlendirebilir ve ileride daha büyük veri kümeleriyle yeni sürümler geliştirebilir.
Bu yaklaşım bizim için önemli. Çünkü düşük kaynaklı dillerde yapay zekâ teknolojilerinin gelişmesi yalnızca daha büyük modeller üretmekle gerçekleşmeyecek. Bazen asıl ihtiyaç, küçük bir topluluğun kendi dili için kullanabileceği, değiştirebileceği ve geliştirebileceği ilk açık kapıyı açmak.
Ladino için yaptığımız da biraz böyle.
Henüz yolun başındayız
Bu modelin sınırlarını özellikle açık söylemek istiyoruz.
2.283 segmentlik tek konuşuculu veri, Ladino'nun bütün çeşitliliğini temsil etmeye yetmez. Modelin kelime ve telaffuz kapsamı sınırlı olabilir; her metinde aynı başarıyı vermesi beklenmemeli. Dolayısıyla AnadilLadinoTTS'yi “Ladino için son teknoloji konuşma sentezi problemi çözüldü” şeklinde değil, Ladino'nun dijital sesini yeniden üretme yönünde atılmış açık ve geliştirilebilir bir ilk adım olarak değerlendiriyoruz.
Zaten açık kaynak yaklaşımının güzelliği de burada.
Bugün 2.283 segmentle başlayan bir model, yarın daha fazla konuşucudan alınan kayıtlarla, daha geniş kelime dağarcıklarıyla ve daha iyi eğitim yöntemleriyle geliştirilebilir. Belki farklı bölgelerin ve farklı kuşakların Ladino söyleyişleri ayrı ayrı çalışılabilir. Belki eğitim içerikleri, dijital arşivler, erişilebilirlik araçları veya gelecekteki dil teknolojileri için kullanılabilir.
Bunun gerçekleşmesi için ise önce dilin dijital dünyada bir sesi olması gerekiyor.
Ladino'yu yalnızca yazılı olarak değil, sesiyle de yaşatmak
Anadil'de dil teknolojilerine yaklaşımımızın temelinde basit bir fikir var: Bir dil dijital dünyada kullanılabiliyorsa, gelecekte de kullanılma ihtimali vardır.
Ladino için bu daha da anlamlı. Çünkü bu dil, yüzyıllar boyunca farklı coğrafyaları birbirine bağlamış; İspanya'dan Osmanlı topraklarına, İstanbul'dan İzmir'e ve Balkanlara kadar uzanan uzun bir hikâyeyi taşımış durumda.
Şimdi bu hikâyenin bir başka yolculuğu başlıyor.
Bu kez göç eden şey insanlar değil; dilin sesi dijital dünyaya geçiyor.
AnadilLadinoTTS, bu uzun hikâyenin henüz küçük bir bölümü. Kusursuz değil, büyük bir veri setiyle eğitilmiş değil ve daha yapılacak çok iş var. Ama artık Ladino ile bir bilgisayara metin verip onun bu metni seslendirmesini sağlayabiliyoruz.
Ve bazen kaybolmakta olan bir dil için en önemli şey, önce yeniden duyulmaya başlamasıdır.
İlgili Yazılar
Sibirya'dan dijital dünyaya bir ses: Saha (Yakut) Türkçesi için konuşma modeli
Saha Türkçesi (Yakutça) için eğittiğimiz metinden konuşmaya (Text-to-Speech, TTS) modelimiz. Sibirya'nın kuzeydoğusunda, özellikle Saha Cumhuriyeti'nde konuşulan bu dilin dijital ses teknolojilerinde yer bulmasına katkı sunmayı hedefliyoruz.
Bizans Ortaçağ Hellencesi: Bir İmparatorluğun Diline Dönüşen Dil
Bir dilin tarihindeki en ilginç anlardan biri, başka bir ülkenin dili hâline gelmesi değil; başka bir imparatorluğun kendi dili hâline gelmesidir. Hellencenin Roma İmparatorluğu içindeki hikâyesi tam olarak böyle bir dönüşümün hikâyesidir.
Başkurtça dijital dünyada konuşuyor: AnadilBashkirTTS
Anadil.org'un geliştirdiği AnadilBashkirTTS, Başkurtça metinleri konuşmaya dönüştürmek için hazırlanan açık kaynaklı bir model. Hugging Face üzerinde yayımlanan çalışma, Başkurtçanın metinden konuşmaya teknolojilerinde kullanılabilmesine yönelik bir adım.