ИИ 26 октября 2026, 16:36 МСК

Учёные ИТМО и MWS AI создали метод SEAM для адаптации синтеза речи к новым языкам

Метод SEAM позволяет адаптировать модели синтеза речи к новым языкам, обходясь 25 часами записей вместо 100 при сопоставимом качестве.

Обычно голосовые нейросети обучают на парах «текст — аудио». Когда таких примеров мало, модели хуже осваивают произношение и сочетания звуков, что особенно заметно для языков без больших размеченных наборов речи.

SEAM использует уже накопленные знания сети: новые языковые элементы формируются из знакомых компонентов с учётом фонетического порядка. Подход проверили на русском, казахском и французском языках с двумя архитектурами синтеза речи.

Разработку можно применять в голосовых помощниках, сервисах озвучки и поддержке клиентов. Работу приняли на конференцию EMNLP 2026. Руководитель Института ИИ ИТМО Александр Бухановский отметил, что перенос знаний сокращает потребность в данных, но может приводить к искажению произношения и нестандартным языковым формам.

• 25 часов аудио вместо 100 для сопоставимого качества
• Проверено на русском, казахском и французском