TTS-møte 17.2.2021

Til stades: Inga, Katri, Tommi, Sjur

Sidan sist

• Inga:
  • Diskutert MT med Lene - for å skaffa meir smj-materiale
    • har ikkje testa MT på ulike sjangrar
    • burde vera uproblematisk å nytta 2 månader gamle nyhende for smj-korpus, men det må sjølvsagt sjekkast med Ávvir
  • har laga espeak-liste for Katri, har ikkje laga for pronomen enno - Tommi lagar lista
    • kva trengst for lista? kor stor skal lista vera? Gjerne alle formene med, vi prøver det fyrst, så kan vi fjerna etterpå
    • alt som er i lista må vera fonemisert / med fonetisk transkripsjon (bør kunna gjera det automatisk)
• Katri:
  • har kompilert espeak, funkar med smj-reglar! Fyrste fungerande TTS for SMJ!!!
  • må finjustera fonema, høyrest ut som lulesamisk Steven Hawking :)
  • fire espeak-filer:
    • ort-to-foneme
    • formantmodell
    • abbr-to-foneme
    • emoji-to-foneme
  • kva gjer vi med symbola - skal dei seiast på samisk eller norsk/engelsk? Spørsmål til GG?
  • emoji: byrjar med norsk, men kanskje på samisk etterkvart? Skal vi ha med alle?
  • Nordsamiske ressursar: https://github.com/giellalt/speech-sme
• Tommi:
  • divvun-normaliser proto:
    • byggeregler
    • argument:

       -n normaliser-gt-desc.hfst <- hfst-union transcriptor-*.hfst
       -a analyser-gt-desc.hfst
       -g generator-gt-desc.hfst
       -t ABBR
      

• Sjur:
  • meir diskusjon med juristen, det at vi treng så mykje tekst og vil ha teksten open er utfordringa
    • Juristen er fremdeles usikker på hvor stor del av et verk vi kan bruke fritt. Sjur diskuterte muligheten for å bruke små avsnitt og sortere disse alfabetisk, og på den måten kunne bruke hele eller store deler av verket, da er det umulig å gjennskape orginalen. Vi er på den måten ikke interessert i innholdet bare lingvistisk informasjon.
    • MT-oversatte tekster har forfattere/forlag enda rettigheter til, så vi står ikke fritt til å bruke disse og publisere disse uten avtale.
    • Må vi vurdere å ha deler av korpuset lukka?
    • Har hatt kontakt med Acapella om den delen av det nordsamiske tekstkorpuset som vi ikke har tilgang til.
  • diskusjonar kring fst-byggjeoomorganisering
    • lange diskusjonar, kan ta tid før vi går gjort endringane, men kan ha temporære løysingar fram til då
    • Mange studenter som skal bruke vår infrastruktur som Sjur følger opp

Sjur prøver å sjå om originalkorpuset for SME-prosjektet finst tilgjengeleg ein stad.

Neste steg

• Katri: espeak instruktioner, första ljudprover, finjustera/utvikla espeak-regler; hitta dokumentation av nordsamisk speech recognition (Aalto); ideen för artiklen av smj-tts; merlin NN TTS eksperiment med mini-korpusen vi har samlat; phonemizer-skript?
• Sjur: ta kontakt med Bruce, tekstprosessering i lag med Tommi, fleire spørsmål til juristen (sjå over)
• Tommi: divvun-normaliser
• Inga: Tidsuttrykk til espeaklista, bruke MT på acapella-korpuset, begynne med pressemelding

Neste møte

3.3.2021 09.30 norsk tid