Vāgdhenu : TTS Sanskrit conscient des mètres
Original : Vāgdhenu: A Sanskrit Chanting TTS System
Pourquoi c'est important
Démontre la faisabilité d'un TTS haute fidélité pour langues classiques à faibles ressources.
Le Prof. Prathosh A P de l'Indian Institute of Science (Bengaluru) a développé Vāgdhenu, un système TTS capable de convertir des vers sanskrits en récitations chantées en détectant automatiquement le mètre (vṛtta). Le système atteint un MOS expert d'environ 4,6 et a produit plus de 35 heures d'audio à l'échelle.
Vāgdhenu est un système text-to-speech spécialisé pour le sanskrit qui détecte automatiquement le mètre poétique (vṛtta) d'un vers et génère une récitation chantée fidèle à la tradition du pārāyaṇa. Développé par le Prof. Prathosh A P à l'Indian Institute of Science de Bengaluru, il repose sur un backbone TTS à flow-matching réentraîné sur un corpus de chant sanskrit enregistré spécifiquement (~5 heures, locuteur unique), avec un vocoder neuronal également affiné pour ce registre.
Le pipeline intègre plusieurs défis linguistiques propres au sanskrit : traitement des scripts via l'orthographe kannada (pour éviter la suppression du schwa inhérente au devanagari), rendu des visarga sandhi avec leurs allophones jihvāmūlīya et upadhmānīya, contraste d'aspiration, trois sibilantes et série rétroflexe distinctes, anusvāra homorganique et vocalique ṝ. Le modèle atteint un MOS expert d'environ 4,6, résolvant notamment les groupes consonantiques denses qui échouaient dans les architectures précédentes.
Deux corpus ont été produits à grande échelle : le Mahābhārata Tātparya Nirṇaya (32 chapitres, 5 183 vers, ~17,5h) et le Śrīmad Bhāgavatam (~18 000 vers en 12 livres). Ces enregistrements alimentent l'application mobile gratuite Bhāgavata-VāNi (disponible sur iOS et Android) ainsi que Vāgbodhinī, un tuteur de chant sanskrit. Le code est publié sous licence Apache-2.0, les données sous CC-BY-4.0, en s'appuyant sur les modèles de base AI4Bharat IndicF5 et NVIDIA BigVGAN-v2 (MIT).