Vāgdhenu: Sanskrit詠唱TTSシステム公開
Judul asli: Vāgdhenu: A Sanskrit Chanting TTS System
Mengapa Ini Penting
低資源言語であるサンスクリット語向けの高品質TTS実用化は、インド古典文化のデジタル保存と教育普及において重要な意義を持つ。
インド科学大学のProf. Prathoshが、サンスクリット語の韻律（vṛtta）を自動検出して詠唱音声を生成するTTSシステム「Vāgdhenu」を公開した。
インド科学大学（Bengaluru）のProf. Prathosh A Pが開発したテキスト音声合成システム「Vāgdhenu」は、サンスクリット語の詩節（śloka）を伝統的な詠唱スタイルで読み上げる。システムはインドのあらゆる文字で入力されたテキストの韻律を自動検出し、対応する詠唱を生成する。
Flow-matchingをベースとしたTTSモデルを約5時間の単一話者サンスクリット詠唱コーパスで再訓練し、専門家によるMOSスコアは約4.6を達成。Kannada正書法を経由することでDevanagari特有のschwa脱落を回避するなど、サンスクリット音韻への細かな対応が施されている。
本システムはすでに2つの大規模コーパス生成に活用されており、「Mahābhārata Tātparya Nirṇaya」全32章・5,183詩節（約17.5時間）と「Śrīmad Bhāgavatam」全12巻・約18,000詩節を生成済み。後者はオフライン対応の無料アプリ「Bhāgavata-VāNi」や、学習者向けの詠唱採点ツール「Vāgbodhinī」にも活用されている。コードはApache-2.0、データはCC-BY-4.0ライセンスで公開。ベースモデルにはAI4BharatのIndicF5とNVIDIA BigVGAN-v2を使用している。