संस्कृत चंटिंग TTS सिस्टम Vāgdhenu लॉन्च
मूल शीर्षक: Vāgdhenu: A Sanskrit Chanting TTS System
यह क्यों महत्वपूर्ण है
भारतीय शास्त्रीय भाषा संस्कृत के लिए वृत्त-सचेत TTS का विकास भाषा प्रौद्योगिकी और सांस्कृतिक संरक्षण दोनों दृष्टिकोणों से महत्वपूर्ण मील का पत्थर है।
Indian Institute of Science, Bengaluru के Prof. Prathosh A P ने संस्कृत श्लोकों को वृत्त (छंद) के अनुसार स्वचालित रूप से चंट में परिवर्तित करने वाला TTS सिस्टम Vāgdhenu विकसित किया है। यह प्रणाली ~5 घंटे के एकल-वक्ता संस्कृत चंट corpus पर प्रशिक्षित है और Expert MOS स्कोर 4.6 प्राप्त करती है।
Vāgdhenu एक वृत्त-सचेत (meter-aware) Sanskrit text-to-speech प्रणाली है जिसे Prof. Prathosh A P ने Indian Institute of Science, Bengaluru में विकसित किया है। यह सिस्टम किसी भी भारतीय लिपि में पेस्ट किए गए संस्कृत श्लोक का छंद स्वतः पहचान कर उसे पारंपरिक चंट शैली में परिवर्तित करता है।
तकनीकी दृष्टि से, Vāgdhenu एक flow-matching TTS backbone पर आधारित है जिसे लगभग 5 घंटे के विशेष रूप से रिकॉर्ड किए गए एकल-वक्ता Sanskrit chant corpus पर पुनः प्रशिक्षित किया गया है। Neural vocoder को भी chant register के लिए fine-tune किया गया है। प्रणाली में Kannada orthography-आधारित script frontend, visarga sandhi के jihvāmūlīya और upadhmānīya allophones, तीनों सिबिलेंट्स, पूर्ण retroflex श्रृंखला और homorganic anusvāra जैसी विशेषताएँ शामिल हैं। Base models के रूप में AI4Bharat IndicF5 और NVIDIA BigVGAN-v2 (MIT license) का उपयोग किया गया है।
इस प्रणाली ने दो बड़े corpus तैयार किए हैं: Mahābhārata Tātparya Nirṇaya के 32 अध्यायों के 5,183 श्लोक (~17.5 घंटे) और Śrīmad Bhāgavatam के 12 पुस्तकों में ~18,000 श्लोक। Bhāgavata-VāNi नामक निःशुल्क app के माध्यम से संपूर्ण Śrīmad Bhāgavatam 10 भारतीय लिपियों में line-by-line karaoke highlighting के साथ उपलब्ध है। साथ ही, Vāgbodhinī नामक companion tool उपयोगकर्ताओं को Sanskrit chant का अभ्यास करने और syllable-level feedback प्राप्त करने की सुविधा देता है। Code Apache-2.0 और Data CC-BY-4.0 license के अंतर्गत उपलब्ध है।