TL;DR (Luzeegia; Ez Dut Irakurri) Android-en euskarazko testu prediktiboa izateko hizkuntza eredu txiki bat entrenatu dut. FUTO Keyboard-ekin erabili daiteke telefonoan. Google-en Gboard ezagunaren antzera, hurrengo hitza aurreikusteko eta akatsak zuzentzeko gaitasuna du. Auto-osaketaren inguruan Auto-osaketa eta antzeko idazketarako laguntza teknologiak ez dira berriak. Aspalditik daude gurekin. Azken urteetan, ordea, adimen artifizialak bultzaturik, aurrera-pauso handiak eman dira. Hauek dira, gaur egun eskura ditugun aukera nagusiak: Hiztegi bidezko hitz-osaketa: auto-osaketaren forma klasikoena eta oinarrizkoena da. Erabiltzaileak “ira” idazten duenean, hiztegian berdin hasten diren hitzak bilatu eta “iragana” edo “irabazi” proposatuko zaizkio. Gainera, gehien erabilitako hitzak lehenetsi daitezke bereziki. Zuzenketa automatikoa: oinarrizkoa (hiztegi bidezkoa) hala aurreratua; testuinguru osoa ulertuz akatsak detektatu eta zuzentzeko gai dena. Testuinguru-osaketa: Idatzitako mezu guztia (edo zati handi bat) erabiliz hurrengo hitza (edo hitzak) asmatzeko gaitasuna da. Kasurik onenean, esaldi berria idazten hasi gabe ere, asmatzeko gai izan daiteke! Hemen ere, Google nagusi Google aintzindari izan zen, bere Gboard teklatuan hizkuntza anitzetan teknologia hauek txertatzen. Baina, nola demontre da gai buruan dudan hitza asmatzeko? ...

TL;DR (“Luzeegia; ez dut irakurri” bertsioa) NongoEuskara esperimentua sortu dut, testu bat emanda zein euskalkitan idatzia den jakiteko. Horretarako, datuak bilatu, fastText saikapen edo embedding eredua entrenatu, eta demo webgunetxo hau sortu dut. WebAssembly erabiliz, sortutako eredu hauek nabigatzailean exekutatzen dira. Azalpen luzea Badakigu hizkuntza eredu handiak (LLM) denetik egiteko gai direla. Nahiz eta, hasiera batean, ez ziren horretarako sortu, gaur egun gai dira programatzeko, itzulketak egiteko, audioa transkribatzeko, testu luzeak laburtzeko, etabar luze bat. Batzuetan, ordea, soluzio egokiena ez da beti LLM bat erabiltzea izango. Adibidez, itzulpen azkarrak eta sinpleak egiteko, badira LLMak baino itzultzaile neuronal arinagoak, baliabide gutxiago behar dituztenak. ...

Latxa eredua mugarri garrantzitsu bat izan zen euskarazko adimen artifizialrentzat. Ordurarte ez genuen euskaraz txukun egiten zuen pisu irekiko eredurik. Ondorenera bereziki euskaraz fin egiteko diseinatuak izan diren beste batzuk sortu dira: Kimu (Orai) edota Hitz-ek duela gutxi argitaratutako Latxa Qwen3 VL familiako ereduak. Aldi berean, lehen mailako eredu lokal berriak agertzen joan dira: Qwen, Gemma, etab. Bereziki interesgarriak izan daitezkeenak agenteetan kanpo-tresnak erabiltzeko. Hauek ere ari dira nabarmenki euskara maila hobetzen. Latxa eredua bezain beste? ...

Text-to-Speech teknologia tradizionalak ahots sendoak ematen dizkigu gaur egun, baina ez du inolako aukerarik eskaintzen audioaren interpretazioa bideratzeko. Eredu hauek audioliburu bat, ipuin bat, jokoetarako audioak etab. sortzeko erabili nahi baditugu, laster konturatuko gara emaitzak ez direla aproposak. Ahots hotz eta neutralak lortuko ditugu. Robotikoak. Aspergarriak. Azkenaldian, ordea, zeinu paralinguistikoak (etenak, arnasketak eta aldaera emozionalak) zehazteko aukera eskeintzen dizkiguten ereduak agertzen ari dira. Teknologia honi esker, gidoi motako aginduak emanez, emozioz betetako ahots sintetikoak sortuko ditugu. ...

Azken urteetan testutik hizketara (ingelesez Text-To-Speech edo TTS) bihurtzeko ereduak izugarri garatu dira. Hilabetez-hilabete ahoskera, prosodia edota audioaren kalitatea hobetzen zuten ereduak argitaratu dituzte. Tamalez, haietako gehienak ingelesez egiteko prestatuak edota, kasurik hoberenean, hizkuntza gutxi batzuekin bateragarriak. Euskarazko ahotsak sortzeko eskuragarri genituen tresnak mugatuak ziren; ordainezko sistema propietarioak (Orai-k garatutako Elhuyarren TTS neuronala ) edo, bestela, nabarmen atzean geldituak ziren ahots robotiko horiek… Zorionez, panorama aldatzen ari da azken hilabeteetan. Maider eta Antton, HiTZ zentroak argitaratutako ereduak HiTZ zentroak bere TTS ereduak argitaratu ditu. ILENIA proiektuaren baitan bi ahots partekatu dituzte: Antton (gizonezkoa) eta Maider (emakumezkoa). Eredu hauek eskuragarri daude bakoitzak bere ordenagailuan exekutatu ahal izateko, edota nahiago bada, Aholab-en webgunearen bidez erabili daitezke ezer instalatu gabe. ...