EMA Nyílt Beszédarchívum bemutatása
(A katalógus itt érhető el)
Az EMA Nyílt Beszédarchívum (Open Speech Archive, EMA-OSA) célja kettős: egyrészt az embertudományi kutatások (antropológia, folklorisztika, néprajz, nyelvészet, szociológia, szociográfia, történettudomány, zenetudomány) támogatása a hanganyagok megőrzésével és nyilvánossá tételével, másrészt nyilt szoftveren alapuló beszédtechnológiai infrastruktúra létrehozása. A nagyközönseg számára is nyitva áll, de közvetlen hasznát elsősorban a fenti területek kutatói, illetve az ezekről tanuló diákok látják. Az EMA-OSA elsődleges fókusza a magyar és magyarországi kisebbségi (pl. lovári, beás, stb.) hanganyagok, de támogatjuk a környező országok nemzeti és kisebbségi nyelveit, nyelvjárásait is. Elsődleges forrásaink ennek megfelelően Magyarország, Románia (Erdély, Bukarest), Szlovákia (Felvidék), Ukrajna (Kárpátalja), Szerbia (Vajdaság), Szlovénia, Ausztria (Burgenland), és az amerikai (USA, stb) diaszpóra körében végzett kutatások, illetve ezen országok nyiltan letölthető, szerzői jogvédelem alatt nem álló műsoros anyagai. A copyright-visszaélések elkerülése érdekében kerüljük a zenés anyagokat (kivétel a kutatásban rögzi2tett népdalok), és a műsoroknak csak a hang-anyagát tároljuk, a videót nem. A magyaron kívül a rendszerben jelenleg a következő nyelveken van anyag: román, cigány, beás, szlovák, szerb, horvát, szlovén, ukrán, német, angol spanyol. Az EMA-OSA önálló kutatást, hangrögzítést nem végez, de integrálja ilyenek anyagát: a már meglevő archívumok közül a TK (adatgazdák Kovács Éva, Gárdos Judit), a frissen nyilvánosságra kerülők közül a volt 56-os Intézet anyagait (Kozák Gyula, Donáth Ferenc) emeljük ki. Ezeken kívül a katalógus fő hazai elemei lesznek (zárójelben az adatgazdák): 1. OSzK (Somlai Katalin, Kőrösi Zsuzsa) 2. MTA Kisebbségkutató (Feischmidt Margit, Kállai Ernő, Máté Dezső, Papp Z. Attila, Mouraszki András) 3. MTA Szociológai Intézet (Neményi Mária, Kóczé Angéla, Janky Béla, Szalay Júlia, Kovács Éva) 4. Más hazai intézetek (Havas Gábor, Lengyel Gabriella, Németh Szilvia, Zolnay János, Virág Tünde stb.) Románia (Erdély, Bukarest) 6. Kisebbségkutató Kolozsvár (Fosztó László, Kiss Tamás, Vitos Katalin, Lőrincz József) 7. Molnár Gusztáv hatalmas interjú anyaga (magyarul, románul) 8. Sapientia (Marosvásárhely): Gagyi József (interjúk) 9. Kriza Társaság (Kolozsvár): Szabó Töhötöm Babes-Bolyai Egyetem: Tánczos Vilmos, Pozsony Ferenc 10. Kolozsvári, Marosvásárhelyi Rádió anyagai (Maksay Ágnes, Tibád Zoltán, adatgazdák): 1. OSzK (Somlai Katalin, Kőrösi Zsuzsa) 2. MTA Kisebbségkutató (Feischmidt Margit, Kállai Ernő, Máté Dezső, Papp Z. Attila, Mouraszki András) 3. MTA Szociológai Intézet (Neményi Mária, Kóczé Angéla, Janky Béla, Szalay Júlia, Kovács Éva) 4. Más hazai intézetek (Havas Gábor, Lengyel Gabriella, Németh Szilvia, Zolnay János, Virág Tünde stb.) Románia (Erdély, Bukarest) 6. Kisebbségkutató Kolozsvár (Fosztó László, Kiss Tamás, Vitos Katalin, Lőrincz József) 7. Molnár Gusztáv hatalmas interjú anyaga (magyarul, románul) 8. Sapientia (Marosvásárhely): Gagyi József (interjúk) 9. Kriza Társaság (Kolozsvár): Szabó Töhötöm Babes-Bolyai Egyetem: Tánczos Vilmos, Pozsony Ferenc 10. Kolozsvári, Marosvásárhelyi Rádió anyagai (Maksay Ágnes, Tibád Zoltán, Gáspár Sándor) Az embertudományi kutatások mellett egyenrangúan fontos a magyar számítógépes beszédtechnológia fejlesztése különösen abban a tekintetben, hogy nyílt forráskódú eszközök váljanak mind a beszédtechnológusok, mind a beszéd számitógépes feldolgozására készülő de beszédtechnológiában járatlan felhasználók számára. A főbb eszközcsaládok a következők: 1. Automatikus formátum-felismerés és konverzió az egyes formátumok (pl. flac, ogg, avi, mp3, wav) között. 2. Beszéd-aktivitás felismerése. Tartalmaz-e a felvétel egy adott szakasza beszédet, vagy csak zenét, zajokat, vagy egyéb nem-nyelvi megnyilvánulásokat (pl. krákogás, köhögés, nevetés). 3. A beszélt nyelv beazonosítása 4. Az egyes beszéők elkülönítése (pl. interjúknál a kérdező és a válaszadó), naplókészítés (diarizáció) másodperces pontossággal. 5. Hosszú távon célunknak tekintjük a beszédfelismerés, és az ezen alapuló technológiák (automikus leirat-készítés, hangalapú keresés) feljesztését is, de az EMA-OSA erre ma még nem vállalkozik.