Российские учёные сократили объём данных для обучения ИИ новым языкам
Учёные ИТМО и MWS AI разработали метод SEAM, облегчающий адаптацию моделей синтеза речи к новым языкам. Эксперименты показали, что для качества, сопоставимого со стандартным подходом, достаточно 25 часов аудиозаписей вместо 100.
Голосовые нейросети обычно обучают на парах «текст — аудио». Когда таких примеров мало, модели труднее освоить произношение и сочетание звуков, поэтому качество синтеза может снижаться. Особенно остро проблема стоит для языков без больших размеченных наборов речи.
Метод SEAM задействует уже накопленные знания нейросети: новые языковые элементы собираются из знакомых ей компонентов с учётом фонетического порядка. Подход проверили на русском, казахском и французском языках с использованием двух архитектур синтеза речи.
Разработка может пригодиться в голосовых помощниках, сервисах озвучки и системах автоматизации клиентской поддержки. Работу приняли на конференцию EMNLP 2026. Руководитель Института ИИ ИТМО Александр Бухановский отметил, что перенос знаний сокращает потребность в данных, но может искажать произношение и порождать нестандартные языковые формы.