Nilengemen ijet erźań kelsënt

1988 ijen tundostońt Helsinkin universitetën studentëś važoďkšneś valoń pešťamoso: sovavtś «Macintosh» arsipargonten Paasonen Heikkin erźań, mokšoń, šokšań dialektën kartatnen: kedsë śormadoź lopatnestë, redaktoroń lamoń kirda teškstnën pačk. Sede tov son ulneś suomin kelenten tonavtïćaks Saranošoń universitetsë.

Teči Jack Rueter — Helsinkin universitetën, lovoma tešksën gumanitaroń sodalmatnen kafedrańt iskuvamo infrastrukturań inženerëzë. Kafedrańt, kona veti Suomin kelen bankońt. Važodemasonzo tejeź erźań kelent morfologijań analizatoroś, erźań tribankoś, raśkejutkoń projektsënt Universal Dependencies, valkst, korpust dï erźań klaviaturań povońluvoś.

«Keleś uslojteme eril, ejsënzë uslojteme eŕaśt lomańt»

Suomin valt ton vasencede jovtït, źardo tonet ulneś kemsisemgece ije. Koda erźań keleś tejevś esen keleks? Ulneś-arasel valkoct, śormadovks, lomań, konatnede mejle ton kadovit temasońt?

Alkuks, uraloń keltnes mon sïn se škadońt ikele, konadońt lamot arsit. Uraloń iskuvamotnes mon sovin kavksońgemence ijetnen kunškaso, Helsinkin universitetsë, źardo monen nevtiź suomin kelen inesketnen: pelevejonoń saamoń, ugrań, estën.

Erźaks kortamońt mon ušodïja 1992 ijestë. Seke ijestënt mon vasencede ardïn Mordvań mastorov, koso kirdin pelks Mordvań kirdij universitetënt dialektologijań ardomatnesë, Vetke mastoroń Atrať vaksso erźań veletnes. Erij keleś, konasońt kortït kudotnesë dï veletnesë, dï avoľ anśak sïretne, vese, studentnëjak, konatatnen marto mon sïn — te polavtïze vese arsemam. Studentën interesëś veľavś śulmavksoks vese eŕamozom.

Meze kundïmim moń erźań kelen luvsońt — son moli suomin dï skandinavoń morfologijatnen vejsënluvdońt sedev vasov, dï tei ten prevejstë dï mazïjstë. Ve jovtaź valoś, kudo-so-nzo-ĺ-iń, kandï valkerksën smuśt «mon ulnin sonzë kudoso». Anśak, vasńajak — Mordvań mastorso dï sonzë tombaľga veletnesë vasstomat erźatnen marto, konat vanśt eś sërďań kadovksońt dï tirin kelent langs koda ervačin tevs. Keleś uslojteme ulneś erij keleks, konasońt uslojteme eŕaśt lomańt.

Pokemont dï meze a satï

Kosto sajevi informacijaś keldent, konadońt inealtïmasońt, malav mezejak araś? Ton śormadït sede, koda śupavgavtït kelen analizatortnën tandavtneź pokemonoń lemtnesë — te maŕavś rakamoks, źars a čaŕkoďsak, mezeks te eŕavś. Meze tonet teškas a satï? Kodat, teči ulića, erźań valkoct — periodika, cerkuvań knigat, tonavtoma knigat — veľavtovit važodića resursoks, dï kin te važodemaś?

Viškaresursoń kelent turtov kelen instrumentën lacemga, valkoctońt savkšnï purnams erva kosto, kozoń «kedet satï»: eŕamopingen grammatikat — Gabelentz, Wiedemann, Paasonen; kevejksëjece pingen jutavtoź literatura; foľkloroń pusmot; sovetën škań periodika — Śatko, eŕamopingen «Erźań Mastor»; nejenškań artoń literatura dï altïmań tečin valkoctnën. Vitkstama, altïmań valkoctońt a vanï redaktoroś.

Pokemondo ledstnemaś nevti lovomań putoń lingvistikańt pokškavt luvonzo: lomantne kortït kelsënt nejen škań eŕamodońt. Źardo kandïćaś śormadï «Pikachu — moń večkeviks personažem» valmolevksënt eli ledstni nejenškań ramamo-mijema markatnen, tehnikań valtnën, orfografijań mučkamoso eli mašinań jutavtomaso pop kuľturań ersevkstnën, a sistemaś erva esen lement lovi ilvedevksëks eli tuń prï, važodems martonzo a lisi. Čaŕkodemga cifrań instrumentnë nejenškań ulića śormańt, a lovomga sïn vesemodamastoroń leksikańt kolaź keleks, min sovavttano morfologijań analizatortnës raśkejutkoń esen lemtnen, markań lemtnen dï esen lemtnen paradigmatnen.

Meze minenek teškas a satï: nejenškań apak anoksta kortamotnen pokšolmast, tehnikań proza panžado licenzija alo dï vejs parallelsë aravtoź korpustnë «gajt — valkoct». Anśak jovtavi lijakskak: erźatne teven lomańt, alamot ejstëst karmit stakalgavtomo eŕamońt sťakodo važodemasońt. Nejavi, ulit lovićat: te važodemaś setnen turtov, kinen pandït erźaks ulemańt kisë. Tonavtïćatnen lisevel varštams sovavtomo te purnamońt eś važodemanten, anśak tejeme ten hobbin kojsë, alamo, seks eŕavi takodamo pandoma setnen turtov, kit sovsit te teventen.

Cifras veľavtoms eŕavoľ vasńajak «Śatko» dï «Surań tolt» noldavks pusmotnen, komsece pingen školań tonavtoma knigatnen, Saranošoń, Helsinkin dï Tartuń foľkloroń arhivtnën. Eś putovksońt eŕavi sovavtoms noldamo kudotnenen dï avtortnënen.

Źardo sovavtoms ćotavks teči — kodat cifrań resurstnë erźań kelent turtov alkuks ulit, dï konatnen ejstëst putovit tevs erźaks kortïćaś, apak ule iskuvićaks?

Tesë eŕavi javoms sen, meze ašti kapot alo, — infrastrukturańt, kona čapoź modelen dï lovoma iskuvamotnen turtov, — dï instrumentnën, konat jonkstaź kortïćańt jonov, set, konatatnen putït tevs ervačin eŕamosońt.

Erźań Vikipedijaś — kasïća tarka konań karmavtomazo maksoms koda lovnïćanten, isťa kelen tehnologijań luvputïjtnenen, pštistë eŕaviks panžoź materialt. Te projektëś źars viška dï sonenzë pek lezdavoľt vadŕasto tonavtoź kelen kandïćat, konat nejevelt ejsënzë tarka koso vanstït dï kelejgavtït erźań keldent vejsën sodamočint. Toso sajevi pelks ervanten. Teči net materialtnën staka putoms tevs kelen tehnologijatnesë: araś vejsën melssamo kelen orfografijań jurdońt. Toso kirillica, standartoń orfografijań luvso, latinën śormadovkst, konat śulmaź eś jutksost, dï te vesemeś, kirillicań dï latinën śormadovksońt jutkso polavtïćań tarkas. Ulit klaviaturań aravtovkstkak. Sïn sajevit Google Play resurstońt — Divvun-keyboard dï Divvun-dev-keyboard vejsënkatnestë. Mac dï Windows turtov erźanseśkak sajevi, Divvun Manager programmań pačk.

Erźań kelent araś kortamoń sintëzëś, kelent sodamozo, dï erźań klaviaturań aravtovksośkak GiellaLT infrastrukturasońt minenek eź mujeve, źardo komi kelent turtov son uli. Meze eŕavi ten polavtomga — jarmakt, informacija, lomańt? Konkretna: zńaro čast śormadoź kortamotnede eŕavi, koda vadŕasto dï kin tevezë ten śormadoms?

Maŕazdent arseź, tïnenk vadŕa ulevel varštams Divvun Manager, Google Play dï App Store pešťamotnen — sïndest jovtaź ikele.

Suomi mastoroń kelen bankso «Roštuvań Evangelijańt», parallelga aravtoź korpusnën jutkso demonstracijazo nevti: kortamoń sintëzënt marto lomantne maštït važodeme dï, paŕak, važoditkak! Kažoś vana mejsë: nevtevkst, konatnen koŕas maštovi lacems vajgel, alamo, seks kortamośkak lisi avoľ isťa, koda radio dï televanomań tonavtoź diktortnën.

Sintëzëś dï kelent sodamozo te avoľ anśak vasoloń inemel. Mon sain pelks erźań dï mokšoń keltnen Mozilla Common Voice projektënten sovavtomasońt — te panžado tarka, konasońt purnït eŕaviks kortamoń purnavkstnën. Lijasto satïška apokške ambicija marto studentën kuro. Paŕak sïn tejevliź ten kizën projektëks.

Meze eŕavi kortamoń tehnologijatnen turtov

Putoms lisi ervańt dï nejke. Mozilla Common Voice projektsënt pelksën sajemaś videstë laci maksoztnen purnavksońt, konataś eŕavi, ulemga erźań kelent sodamonzo vasence modeltne.

Koso tirin keltnen jutkso erźanseś

Ton teit instrumentnën komi, udmurtoń, koltta-saamoń, liven keltnen turtov. Kona tarkasońt jutksost erźanseś? Meze ulneś tejeź lijaks se uraloń kelent turtov, kona tuś sedev vasov? Mejsë sede pek teveś, kelen kandïćatnesë, eli jarmaktnësë dï učreždenijatnesë?

Pelevesaamoń dï koltta-saamoń nežedit zakonso kemekstaź meltopavtomatnen langs, Saamoń parlamentënt langs dï Tromsø ošoń Divvun baška kurońt langs. Sïnst tejeź pots čapoź orfografijań mučkamot, sintez dï kelent sodamozo, operacijań sistemaso nežedemaś.

Erźanseś, komin dï udmurtoń kemestë kirdevit kunškaso. GiellaLT ekosistemasońt, kozoń mon putńan 2004 ijestënt sajeź, erźansent vasenklasoń morfosintaksisën analizatort, Universal Dependencies tribank dï purnavks Mozilla Common Voice projektsënt. Liven keleś kedkirdeź koda kirdivijen jarmakso, isťa vadŕasto luvondoź meľavtïća lomanen kuroso.

Meześ maksïze lijaksčint? Vasńajak institucijań nežeś: kirdivijsënt maksoź jarmaktnë, koda Divvun kurońt Norvegijaso, maksï kirdems inženerën štat, kona vanstï-nežedi infrastrukturańt, operacijań sistematnen erva odkstomastońt.

Omboceks, lomańkuroń važodema. Veinst jarmaktne a satï. Eŕavit erij kelen kandïća lomańkurot, konat śormalit lezëvalt, mučkit instrumentnën dï śormalit eś kelsënt cifraso. Erźansent ulit palïća kelen kandïćat, anśak araś laceź lomań kuro, konata kildevel tevs dï eškevel sonzë kedsëst. Ten tarkas eŕavit lomańt, konat čaŕkodevelt, — lingvistnë te professionalt, koda dantistnë, nevtemaks.

Avoľ umok liś toń važodemat erźań dï mokšoń keltnen dialektën kartografijadońt. Pokš-a pokš dialektën polavtomatne dï meze martost teit cifrań instrumentnë: kirdit sïnst, eli vasondit kelent ve normas?

Erźań dï mokšoń dialektnën čaŕkodemam ušodovś anśak 1988 ijen tundostońt, Paasonenën valkstońt, son (čaŕkodemam) teškas vasov a peškse, anśak son tonavtïmim sondenzë śormadomanten, avoľ koda eŕavi kortams jovtnemanten. Minek, Nico Partanen marto, dialektën kartografijań aumoń iskuvamoś nevtize: dialektën riśmetnesë, konat uskovśt Ravoń bassejnga veletneva, kadovś pek pokš pelks ejstëst, konat vešit-karmavtït sede ov iskuvamońt. Seks, važodemadońt pek lamo, źars min alkuks čaŕkodsïnek, koda śulmaź net kelen kavto formatne.

Uli isťamo mif, keľa cifrań instrumentnë dialektnën varianttomo sovavtït literaturań keme normas dï nardït tesken kortamotnen. Te, nama, pongavt redaktortnëde, korrektortnëde dï śormadïćatnede. GiellaLT infrastrukturaso eś avtomatoń modeltnesë mon teŕavtan moleme pelevesaamoń kijavańt — tejems modelt, konat kirdit zńarïja normat dï sodït dialektnëde.

Ton sovavtït cifras 1821–1827 ijen erźań Od Vejsënluvońt dï Gabelentzën grammatikańt. Meze kavtośadt ijen valkocttoś maksï teči erij kelenten — te muzejen eksponat eli važodema material?

Gabelentzën grammatikasońt večkevksti vana meześ: maŕavi, son pek domkasto kalavtïnze kelen ersevkstnën, konat tečijak a pezënzë iskuvaź. Son neinze valkoctsońt teškstnën konat nevtit, valkoctoś ulneś śormadoź avoľ vejke lomansë.

Te avoľ muzejen predmet, te uslojteme važodema material. Erźań Od Vejsënluv dï Gabelentzën grammatikazo «Versuch einer Mordwinischen Grammatik» ulneśt śormadoź komsece pingen standartizacijańt dï nejenškań lija kelstë vijev sajevkstnëde ikele. Sïn maksït valoń tejemań alkuks tirin luvtnën, konat tečijak lezdavoľt čaŕkodeme dialektnën, dï paŕak, štavtoms, koda erźań dï mokšoń śulmavksonten kodaź šokšań kortamoś! Umoń liśmapŕatnen cifras putomaś maksï diahronikań korpust: grammatikań evoľucijańt kavto pingenzë, konat panžado putoź Zenodo dï GitHub veb-platformatnesë.

Kije teči nežedi erźań resurstnën dï meze martost uli, źardo net lomantne lotkit ten tejeme?

Kuvajpingeś terdi tujeme baška vanstïćatnede — kemestë aštića sodalmań panžado lijmatnes. Teči resurstnë erit GitHub veb-platformań repozitorijatnesë: toso kodtnë tribanktnën, avtomatoń modeltnën, mašinań jutavtomańt dï korpustnën. Erit GiellaLT platformasońt Norvegijań Arktikań universitetënt servertnësë. Mozilla Common Voice kraudsorsingoń projektsënt. Suomin kelen banksońt dï CLARIN infrastrukturasońt. Zenodo repozitorijsënt — panžado vanstoma tarka svalškań identifikatornën marto, konań kirdi CERN laboratorijaś.

Vese kodtnë dï vese informacijaś noldazelt panžado licenzija alo. Ervańt uli zakonso kemekstaź meltopavtomazo sajems sïnst, putoms eś keds dï odkstams. Vejak resurs kisë pandoms a eŕavi.

Mon učan ška, źardo moń lisi panžado, institutoń linijava važodems kollegan marto Mordvań mastorso dï perkanzo. Moń uli pokš melem, veľavtomga lomantnenen, konat moń sestë «kirvastimiź», se važodemadońt, konanten mon maksïn alamodo a nilengemen ijet.

Tehnologijaś te anśak čavo paŕ

Nevtemkaks, erźańt uli melezë lezdams, anśak son avoľ programmist, avoľ lingvist — tonavtïća, vetića, sïre ava, kona kortï kelsënt kudoso. Uli-araś mezejak sede, meze isťamo lomaneś tejevel ulemga ten alkuksoń smuśt?

Isťa — uslojteme, pezënzë, pelkstamovtomo.

Tehnologijaś te anśak čavo paŕ. Ver, kona pešti sonzë, — te kelen kandïćat. Anśak tïnenk tejevi se putovksoś, kona vesement topavtï, seks pareś tïnenk eŕavi, anśak, sedejak eŕavtado tïnś.

Vasenceś. Śormadodo dï mučkodo kortamońt Mozilla Common Voice kraudsorsingoń projektsënt. Toso lisi lovnoms vajgelsë erźań nuŕka valśulmavkst eli kunsoloms dï mučkoms lomanen śormadovkstnën.

Omboceś. Lovnodo cifras putoź valkoctnën dï kodat mujevit tenk noldavksoń stańpusmotnen. Školatnesë, bibliotekatnesë maštï uleme kazne, kona apak puto cifras; javšink sen, meze tïnk uli, martost — sestë sïngak ulit vanstïćaks. Źardo teit skan tašto knigatnestë, stańpusmotnestë, mašinaś tei ilvedevkst. Arsemaś sede, koda kandïćaś vansïnze sodaź valkoctońt dï skanońt, vitnesïnze sïnst dï veľavtsïnze verek skantnën kelen vańks informacijas — mazïj jovkske. Anśak, paŕak maksoms te važodemańt odtnënen, nevtemga sïn eś pŕast: sïnest eŕavi vitkstamoś.

Kolmoceś. Śormadodo erźaks socialen altïmatnesë dï Vikipedijaso. Algoritmatne tonadït sen koŕas, meze uli altïmasońt. Erva śormadovksoś, erva postoś, erva erźań statjaś, kelejgavtï kelent cifrań čalgavksozo.

Nileceś. Javšede dialektën valtnën, valmerevkstnën, kudobujen eŕamopingetnen — ejkakštnënen, nućkatnenen, tuvtaltomo. Maksodo erźań kelenten važodema. Sïrkajtnen, pokšt kandïćatnen ulit valt, konatatnen valkstnë eziź kunda: teske kasïćańt lemtnen, venelde valtnën, valmerevkstnën. Sïnst śormadomsto min vanstatano sen mezent tarkas mezejak a putovi.

Vetece. Aravtodo erźań povońluv dï putodo sonzë tevs erva či, kudoso dï školatnesë. Śormadodo ejdetnenen dï jalgatnen erźaks. Jovtnede luvputïjtnenen sede, meześ tïnk iľavtovtï, meze a satï, dï meze liś.

Kortak erźaks, arsema luvot kemekstavi. ASR-gak vadŕakstomi. Od algoritmatne purnït dï tonadït sens, meze tago koso purnavi.

Erźań kelent cifrań sede tov eŕamoś avoľ anśak Helsinkin eli Saranošoń universitetnën laboratorijatnen tevest. Son erva kortïćańt, ervańt, kije teči kočki kortamo, śormadomo, lovnomo dï śormadomo vajgelsë eś kelent.