Botowanie i wymowa

Dostałem wczoraj bloka na Commons. Na dwie godziny.

Tak właściwie to nie ja, ale mój bot i nie na dwie godziny, bo blok został w końcu wcześniej zdjęty. Poszło o małe nieporozumienie - polscy admini Commons powiedzieli mi, że mój bot nie potrzebuje flagi (która ukrywa edycje na liście ostatnich zmian), natomiast inni admini kazali mi nie robić niczego bez flagi. ;-) Ku mojemu zaskoczeniu, już dzisiaj mój wniosek został pomyślnie rozpatrzony i bot śmiga dalej. A ładować jest co - w kolejce czeka jakieś 12 000 nagrań wymowy.

Skąd to wszystko? Jest strona Shtooka Project, gdzie zamieszczane są bazy słów na licencji Creative Commons. Tsca brał z niej kiedyś nagrania słów rosyjskich; teraz doszły tam dodatkowe zbiory.

Z papierkowej roboty - czekam na flagę bota na polskim, niemieckim i angielskim Wikisłowniku - mój bot będzie tam te wszystkie nagrania wymowy wstawiał. Kod bota jest prawie gotowy ;), więc gdy głosowania się skończą, wszystko powinno być już gotowe i przetestowane. Na razie zapisuję w notatniku (dane z początku października): polski Wikisłownik - 4 400 nagrań, angielski - 12 000 nagrań, niemiecki - 1 500 nagrań. Ciekawe, jak będzie po przejściu bota…

Brzmi chrząszcz w Szczebrzeszynie

Nauka i korzystanie z języka nie ogranicza się do czytania i pisania. Słowa trzeba jeszcze umieć wymówić i być w stanie je zrozumieć ze słuchu. Wikisłownik w coraz większym stopniu jest tu pomocny: opis wymowy w projekcie to nie tylko zapis słowa alfabetem fonetycznym, ale też nagrania tworzone przez osoby, dla których dany język jest ojczystym.

Tworzenie zasobów nagrań wymowy to chyba jedyny obok linków interwiki przejaw współpracy Wiktionaries różnych języków. W repozytorium mediów Commons stworzyliśmy (zgadnijcie, czyj to był pomysł :) centrum zamówień nagrań i zdefiniowaliśmy format nazwy pliku tak, że pojawiające się nagrania można automatycznie wykorzystywać w hasłach danego języka. System działa; Polacy nagrywają polskie słowa, Niemcy niemieckie, i korzystają z tego wszystkie wersje językowe słownika.

Dobra nowina: po wczorajszej akcji tsca.bota Wikisłownik wzbogacił się o kolejne półtora tysiąca nagrań. Łącznie można już odsłuchać wymowy ponad trzech i pół tysiąca słów. Nic, tylko siadać i słuchać! :) Wysłuchanie nie jest zresztą jedynym sposobem korzystania z tych zasobów; można słowo powtarzać za lektorem i ćwiczyć; można je analizować w świetle umieszczonego obok zapisu fonetycznego (ucząc się w ten sposób alfabetu IPA), a w niektórych przypadkach, jak przy angielskim słowie solder, można porównać wymowę brytyjską, kanadyjską, amerykańską i australijską! W naszym języku też zresztą mamy bogactwo dźwięków: w haśle trzydzieści posłuchać można standardowej ogólnopolskiej wymowy oraz wymowy krakowskiej (haha).

Ponieważ wszyscy kochają statystyki, tsca.bot składa raport z frontu udźwiękowienia polskiego Wikisłownika (numery to liczba udźwiękowionych haseł):

1. język angielski: 2641
   
2. język polski: 447
   
3. język niemiecki: 206
   
4. język holenderski: 114
   
5. język włoski: 29
   
6. język francuski: 29
   
7. język duński: 17
   
8. język szwedzki: 16
   
9. język rumuński: 13
   
10. język hiszpański: 11
    

...oraz kilka języków mających mniej, niż 10 nagrań. Angielski ma się dobrze, bo aż 42% haseł ma udostępnioną wymowę. Dalej jest gorzej - polski 8%; niemiecki 5%... Ale to dopiero początki! I Ty możesz pomóc! :) Chwyć za mikrofon, nagraj kilka... (naście... dziesiąt...) polskich słów i wrzuć wynik do kategorii wymowa polska na Commons. Instrukcję znajdziesz tutaj.

PS: Swoją drogą, ostatnio zadziwiła mnie jakość najnowszych generatorów mowy. Ta technologia jest już na etapie, w którym można myśleć o wykorzystaniu jej w słownikach...