सौराष्ट्र भाषेसाठी चार कृत्रिम वाणी नमुने; भाशिणी-आयआयएससीचे 28 तासांहून अधिक ध्वनिमुद्रण

केंद्र सरकारच्या भाशिणी विभागाने आणि बंगळुरूच्या भारतीय विज्ञान संस्थेने 16 ऑक्टोबर 2026 रोजी सौराष्ट्र भाषेतील लिखित मजकूर आवाजात बदलणारे चार नमुने विकसित केल्याची माहिती दिली. त्यासाठी 28 तासांपेक्षा अधिक ध्वनिमुद्रणांचा संच वापरण्यात आला आहे. तमिळ आणि सौराष्ट्र या दोन्ही लिप्यांतील मजकुरासाठी स्त्री व पुरुष आवाज उपलब्ध करून देण्याचा प्रयत्न या प्रकल्पात आहे.

Table of Contents

नेमकी कोणती नवी सुविधा विकसित झाली?

केंद्रीय इलेक्ट्रॉनिक्स आणि माहिती तंत्रज्ञान मंत्रालयाच्या 16 ऑक्टोबरच्या प्रसिद्धीपत्रकात सौराष्ट्र भाषेसाठी मजकुराचे वाणीत रूपांतर करणारे नमुने विकसित झाल्याचे म्हटले आहे. हे काम डिजिटल इंडिया भाशिणी विभागाने बंगळुरूच्या भारतीय विज्ञान संस्थेच्या मदतीने केले. आकाशवाणीनेही त्याच दिवशी या उपक्रमाचे वृत्त दिले. सौराष्ट्र ही प्रामुख्याने तमिळनाडूतील सौराष्ट्र समुदायाकडून बोलली जाणारी इंडो-आर्यन भाषा आहे. भाषेचे नाव ऐकून तिची गल्लत गुजरातमधील सौराष्ट्र प्रदेशाशी करू नये. या प्रकल्पाचा उद्देश भाषेतील लिखित माहिती ऐकण्याची सोय वाढवणे हा आहे. मात्र नवी सुविधा अस्तित्वात आली म्हणून ती देशातील सर्व सरकारी संकेतस्थळांवर लगेच उपलब्ध झाली असे नाही. प्रत्येक सेवेच्या विकासकाला हे तंत्रज्ञान आपल्या प्रणालीत जोडावे लागेल. त्यामुळे प्रत्यक्ष वापराची व्याप्ती आणि यशस्वी अंमलबजावणी याबाबत पुढील माहिती आवश्यक राहील.

चार नमुने म्हणजे चार वेगळ्या भाषा नाहीत

सरकारी माहितीनुसार स्त्री आणि पुरुष या दोन प्रकारचे आवाज तयार करण्यात आले आहेत. प्रत्येक आवाज तमिळ लिपीमध्ये तसेच सौराष्ट्र लिपीत लिहिलेला मजकूर बोलू शकतो. त्यामुळे दोन आवाज आणि दोन लिप्या यांचे चार तांत्रिक पर्याय तयार होतात. हे चार भिन्न भाषांचे नमुने नाहीत. एखादी भाषा वेगवेगळ्या लिप्यांत लिहिली गेल्यास संगणकाला प्रत्येक लिपीतील अक्षरे ओळखून त्यांचे उच्चार तयार करावे लागतात. या प्रकल्पात त्या अडचणीवर उपाय करण्याचा प्रयत्न आहे. भाशिणीच्या निवेदनानुसार यासाठी व्हीआयटीएस नावाची संगणकीय रचना वापरण्यात आली. ही रचना लिहिलेल्या अक्षरांवरून थेट ध्वनी निर्माण करण्याचे काम करते. मात्र कृत्रिम आवाज नैसर्गिक वाटतो का आणि सर्व बोलीवैशिष्ट्ये अचूक पकडतो का हे वापरकर्त्यांच्या चाचण्यांतून अधिक स्पष्ट होईल. उपलब्ध नमुने भाषेतील सर्व उच्चार पूर्णपणे समजतात असा दावा सरकारी घोषणेत करण्यात आलेला नाही.

ध्वनिमुद्रणांचा संच कसा तयार झाला?

बंगळुरूच्या भारतीय विज्ञान संस्थेतील स्पायर प्रयोगशाळेने या भाषेतील बोलण्याच्या ध्वनिमुद्रणांचा संग्रह तयार केला. सरकारी निवेदनानुसार त्याचा एकूण कालावधी 28 तासांपेक्षा अधिक आहे. संस्थेच्या संकेतस्थळावर स्पिकॉर टीटीएस 3.0 या नावाने सौराष्ट्र भाषेचा ध्वनिसंच नोंदलेला आहे. या संग्रहात स्त्री आणि पुरुष अशा दोन्ही आवाजांची ध्वनिमुद्रणे आहेत. त्यासाठी निवडक तयार वाक्ये तसेच साहित्यातील वाक्ये वापरण्यात आली. प्रत्येक ध्वनिमुद्रणासोबत लिहिलेला मजकूर तमिळ आणि सौराष्ट्र लिप्यांत उपलब्ध आहे. संगणकीय प्रणाली ध्वनी आणि संबंधित अक्षरांची सांगड घालण्यासाठी अशा उदाहरणांवर शिकते. ध्वनिसंचाचा कालावधी मोठा असला तरी भाषेतील प्रत्येक प्रदेशातील बोलण्याची शैली त्यात आहे असे नाही. प्रयोगशाळेतील नियंत्रित ध्वनिमुद्रण आणि प्रत्यक्ष संभाषण यांतील फरकही लक्षात घ्यावा लागतो. नव्या भाषांच्या वाणी तंत्रज्ञानासाठी असे तपासलेले उदाहरणसंच महत्त्वाचे असतात.

संशोधकांसाठी एआयकोशची उपलब्धता

भाशिणीने हा ध्वनिसंच एआयकोश या भाषाविषयक संशोधन स्रोतसंग्रहावर उपलब्ध केल्याचे स्पष्ट केले आहे. त्याचे नाव स्पिकॉर टीटीएस 3.0 असे आहे. हे ध्वनिमुद्रण संशोधकांना स्वतःचे प्रयोग आणि वाणी निर्मितीची साधने विकसित करण्यासाठी उपयुक्त होऊ शकते. मात्र एखादा ध्वनिसंच संकेतस्थळावर दिसतो म्हणजे त्यातील सर्व ध्वनी कोणत्याही परवानगीशिवाय व्यापारी उत्पादनात वापरता येतीलच असे नाही. वापरकर्त्यांनी संबंधित परवानगी, वापराच्या अटी आणि माहिती वापराचे नियम तपासावेत. प्रशिक्षणासाठी वापरण्यात आलेल्या व्यक्तींचे आवाज आणि तयार झालेली संगणकीय ध्वनी यांचीही गल्लत करू नये. हा उपक्रम वाणी तयार करणारा आहे; तो बोललेले शब्द आपोआप लिखित स्वरूपात बदलणारा प्रकल्प नाही. या दोन तंत्रज्ञानांची कामे उलट दिशेने होतात. नवीन अनुप्रयोग विकसित करताना कोणत्या प्रकारचे रूपांतर आवश्यक आहे हे आधी स्पष्ट करावे लागेल. उपलब्ध नमुन्यांचा प्रत्यक्ष उपयोग करण्याची पद्धत संबंधित सेवेनुसार बदलू शकते.

सौराष्ट्र समुदायाला कसा फायदा होऊ शकतो?

मंत्रालयाच्या मते या तंत्रज्ञानामुळे भाषाशिक्षण, दस्तऐवजीकरण आणि माहिती सहज ऐकता येण्यास मदत होऊ शकते. उदाहरणार्थ, लिखित सौराष्ट्र मजकूर वाचण्यात अडचण असलेल्या व्यक्तीस त्याचा आवाज ऐकण्याची सोय करता येऊ शकते. मात्र त्यासाठी संगणकीय नमुना वापरकर्त्याच्या उपकरणातील किंवा संकेतस्थळावरील सेवेशी जोडावा लागेल. सरकारने प्रत्येक शाळेत किंवा कार्यालयात ही सोय सुरू झाली आहे असे जाहीर केलेले नाही. आवाजातील शब्दोच्चार, स्थानिक बोली आणि दीर्घ मजकूर वाचताना होणाऱ्या चुका तपासणे महत्त्वाचे राहील. सौराष्ट्र भाषेचे जतन करणे आणि तिच्या वापरातील अडथळे कमी करणे हा व्यापक उद्देश आहे. तंत्रज्ञान तयार झाल्याने भाषेतील साहित्याचे सर्व ग्रंथ आपोआप ध्वनिमुद्रित होत नाहीत. त्यासाठी मजकुराची उपलब्धता आणि आवश्यक हक्क वेगळे पाहावे लागतील. पुढील काळात वापरकर्त्यांच्या प्रतिक्रिया, उच्चारांची गुणवत्ता आणि सार्वजनिक सेवांमधील प्रत्यक्ष वापर याबद्दलची माहिती महत्त्वाची ठरेल. सरकारी प्रसिद्धीपत्रकात या नमुन्यांची स्वतंत्र गुणवत्ता गुणसंख्या दिलेली नाही. त्यामुळे इतर भाषांतील उपलब्ध कृत्रिम आवाजांपेक्षा ही प्रणाली अधिक अचूक असल्याचे ठामपणे सांगता येत नाही. कोणत्या परिस्थितीत चांगला उच्चार तयार होतो यासाठी व्यवस्थित सार्वजनिक चाचण्या आवश्यक राहतील.