HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

Vāgdhenu: サンスクリット詠唱TTSシステム

Vāgdhenu: A Sanskrit Chanting TTS System (prathosh.in)

199 pointsby subinalex48 コメント

要約

Vāgdhenuは、サンスクリットの詩を自動的に検出して詠唱するTTS(Text-to-Speech)システムです。このシステムは、メトリック検出、音声合成、および発声指導のためのコンパニオンツールを統合しており、古典サンスクリットの学習や朗唱に役立ちます。この技術は、マハーバーラタやシュリーマッド・バーガヴァタムなどの経典の正確な詠唱を生成するために使用されています。

全文翻訳

Vāgdhenu

試してみる

インドの任意のスクリプトでサンスクリット語の詩を貼り付けてください — 韻律は自動検出されます。

最初の詠唱には、モデルのウォームアップに約10〜60秒かかります。デモがロードされない場合は、バックアップデモ ↗ を使用してください。

聞く — サンプル詠唱

このシステムによってレンダリングされた6つの韻律 — デプロイメントで出荷された詩を含む。

vasantatilakā Mahābhārata Tātparya Nirṇaya · 1.1

नारायणाय परिपूर्णगुणार्णवाय विश्वोदयस्थितिलयोन्नियतिप्रदाय ।
ज्ञानप्रदाय विबुधासुरसौख्यदुःखसत्कारणाय वितताय नमोनमस्ते

[音声]

śārdūlavikrīḍita Śrīmad Bhāgavatam · 1.1.2

जन्माद्यस्य यतोऽन्वयादितरतश्‍चार्थेष्वभिज्ञः स्वराट् तेने ब्रह्म हृदा य आदिकवये मुह्यन्ति यं सूरयः। तेजोवारिमृदां यथा विनिमयो यत्र त्रिसर्गो मृषा धाम्ना स्वेन सदा निरस्तकुहकं सत्यं परं धीमहि

[音声]

anuṣṭubh Śrīmad Bhāgavatam · 1.1.5

नैमिषेऽनिमिषक्षेत्रे ऋषयः शौनकादयः। सत्रं स्वर्गाय लोकाय सहस्रसममासत

[音声]

vaṃśastha Śrīmad Bhāgavatam · 1.3.5

पश्यन्त्यदो रूपमदभ्रचक्षुषः सहस्रपादोरुभुजाननाद्भुतम्। सहस्रमूर्धश्रवणाक्षिनासिकं सहस्रमौल्यम्बरकुण्डलोल्‍लसत्

[音声]

drutavilambita Śrīmad Bhāgavatam · 1.1.4

निगमकल्पतरोर्गलितं फलं शुकमुखादमृतद्रवसंयुतम्। पिबत भागवतं रसमालयं मुहुरहो रसिका भुवि भावुकाः

[音声]

mālinī Narasiṃha stuti · retroflex tongue-twister

हठलुठ दल घिष्टोत्कण्ठदष्टोष्ठ विद्युत् सटशठ कठिनोरः पीठभित्सुष्ठुनिष्ठाम् ।
पठतिनुतव कण्ठाधिष्ठ घोरान्त्रमाला दह दह नरसिंहासह्यवीर्याहितं मे ॥

[音声]

アプリを入手する

これらの朗唱は、シュリーマド・バーガヴァタム完全版のための無料アプリを支えています。

॥ भागवतवाणी ॥

Bhāgavata-VāNi

シュリーマド・バーガヴァタム全12巻 — 10のインドのスクリプトで、同期音声再生とラインごとのカラオケハイライト付き。任意のスクリプトで任意の詩を検索でき、伝統的な索引もあり、完全にオフラインで動作します。無料、広告なし。

練習に使う

Vāgdhenuの詠唱は、あなたの声を聞くコンパニオンツールを支えています。

॥ वाग्बोधिनी ॥

Vāgbodhinī

サンスクリット語詠唱チューター。任意の śloka(または散文)を任意のスクリプトで貼り付け、その韻律を意識した参照詠唱を Vāgdhenu で聞き、一緒に詠唱します — サンスクリット語音声モデルがすべての音節を採点し、修正すべき箇所を示します。古典(laukika)サンスクリット語向けです。

について

Vāgdhenuは、韻律のある詩をその詠唱 pārāyaṇa にマッピングします。その声は、フローマッチングTTSバックボーンで、目的のために録音され、慎重に設計された単一話者のサンスクリット語詠唱コーパス(約5時間)で再学習されたものです。さらに、ボイスステアリングによる再学習も行われています。ニューラルボコーダーも同様に、詠唱レジスタに合わせてファインチューニングされています。学習済みモデルの周りには、忠実なサンスクリット語詠唱パイプラインに必要な機械が配置されています。スクリプト対応のフロントエンドは、デーヴァナーガリーが引き起こすヒンディー語のシュワー脱落を回避するために、カンナダ語の正書法を通してサンスクリット語をルーティングします。ヴィサルガ(visarga)のサンドヒ(sandhi)と、ジフヴァーミーリーヤ(jihvāmūlīya)およびウパドマニーヤ(upadhmānīya)のアロフォン(allophone)。呼気音の対比。3つの歯擦音と完全なそしゃく音(retroflex)シリーズを区別して保持。同化(homorganic)のアヌスヴァーラ(anusvāra)と母音のṝ。そして、韻律を検出し、ハーフリファレンスルールの下で一致する参照を選択する、韻律認識メカニズム。再学習されたモデルは、専門家によるMOSスコアで約4.6に達し、そしゃく音の帯気音(retroflex aspirates)を含む密な子音連結も正しくレンダリングされます。これは、以前のアーキテクチャが解決できなかったクラスです。

デプロイメント

このシステムは、2つのコーパスを大規模に生成しました。

● Mahābhārata Tātparya Nirṇaya — 32章、5,183節(約17.5時間) · ビデオシリーズ ↗

● Śrīmad Bhāgavatam — 12巻にわたる約18,000節 · カラオケビデオシリーズ ↗