Wuwiće a polěpšenje modelow k awtomatiskemu spóznawanju rěče za delnjo- a hornjoserbšćinu

Přiběrace interakcije mjez čłowjekom a mašinu z pomocu rěče su znamjo dźensnišeje globalneje informaciskeje towaršnosće a žadaja sej předźěłanje rěčaneje rěče w techniskich systemach. Awtomatiske spóznawanje rěče, technologiski wotpowědnik čłowjeskeho zaznawanja rěče, móžemy dźensa za rjad wšědnych nałožowanjow jako etablěrowany wobhladować. Njech su to komandowe systemy – kaž wodźenje komfortnych funkcijow w jězdźidłach abo při wuzwolenju mjena za mobilne telefony – abo telefoniske informaciske systemy, diktowanske abo transkripciske systemy abo tež systemy za wotprašowanje informacijow z pomocu rěčneho asistenta.

Serbskej rěči jako mjeńšinowej abo małej rěči so při zwoprawdźenju tajkich systemow a nałožowanjow zwjetša njewobkedźbujetej. Trěbne slědźenje, daty a metody dyrbja so potajkim samostatnje nadźěłać, jeli matej serbskej rěči z techniskim wuwićom krok dźeržeć a so tež w digitalnych rěčnych rumach wužiwać.

2020 nasta w kooperaciji Fraunhoferoweho instituta za keramiske technologije a systemy w Drježdźanach (IKTS), Braniborskeje techniskeje uniwersity w Choćebuzu (BTU) a Załožby za serbski lud prototypiski komandowy system za hornjoserbšćinu „smart lamp“, kotryž so wot 2021 systematisce polěpšuje.

2023 započa Serbski institut najprjedy w ramiku pilotoweje fazy jako pódlanski projekt přirunajomny prototyp za delnjoserbšćinu wuwiwać. W běžacym lěće 2024 so dodźěła tutón prototypiski rěčny model w přihotowanskej fazy. Perspektiwisce matej so modelej wobeju serbskeju rěčow wutwarjeć a kwalitatiwnje dale wuwiwać a nałožowanski wobsah ma so rozšěrjeć.

Přidatnje k wuwiću pokročuje w modulu za podpěru paralelneho hornjoserbskeho předewzaća digitalizacija serbskeho pismowstwa a natwarjenje tekstoweho korpusa z wysokohódnotnych korpusowych tekstow. Pozadk toho je wulki wuznam korpusowych tekstow za wuwiće statistiskeho rěčneho modela. Runje za hornjoserbšćinu předleži na rozdźěl k delnjoserbšćinje dotal jenož poměrnje mało so hodźacych korpusowych tekstow. Tutón projektowy modul słuži mj. dr. tomu, tón njedostatk krok po kroku wotstronić. K tomu so přewjeduje wysokohódnotna digitalizacija połnych tekstow derje wotmjezujomneho dźěla historiskeho hs. pismowstwa (teksty katolskeje proweniency dla jich bliskosće k dźensnišej hornjoserbskej wobchadnej rěči).

Nawod projekta: Astrid Schmiedelowa
Na projekće wobdźěleni: Jan Měškank , Fabian Kaulfürst, Lechosław Jocz (eksterny)