Divvun-møte 24.01.2023

Til stades: Sjur, Maja, Flammie, Katri, Børre, Inga, Linda

Saker:

• Sidan sist
• Ymse

Sidan sist

Flammie

• unimorph-konversion og eval skripter
• debuggade unicode normalisering med Jack

Framover:

• divvunspell cree
• Brendan kan hjelpe med divvunspell/32
• laga automatisk konvertering frå Unicode NFC til NFD, som valfri teiknrepresentasjon i deskriptive FST-ar (pga problema vi får t.d. med å analysera pdf-ar)

Katri

• sme-tts med fastpitch, Acapela data, trent 3 dagar med mannstemme (600 epochs)
• sme-Whisper ASR workshop/samarbeid med Javier fra NB
  • Whisper ASR-modell:
    https://huggingface.co/spaces/NbAiLab/whisper-sami-demo
  • kanskje ny treningsdata fra Sámediggi
• skript for å kunne produsere automatisk teksting med Whisper-modellen, testet på Saga
• Finsk ASR demo: https://huggingface.co/spaces/Finnish-NLP/Finnish-Automatic-Speech-Recognition
• sme ASR demo: https://huggingface.co/spaces/NbAiLab/whisper-sami-demo

Framover:

• En webapp/user interface til TTS – Helsingfors?
• eksperimentera med sørsamisk når lydfiler og korpus er tilgjengeleg
• se mer om common voice
• ASR output: Store bokstaver, punktum etc.?
• Overflow-tts?

Maja Lisa

• lemmawork
• gramcheck - mark-up + testing
• bra møte med Linda
• AJ-lydfiler
• Hemisoppfølging

Linda

• CG-workshop med Inga & artikkel
• CG-workshop med Maja
• sørsamisk grammatikkontroll
• sendt litt oppgaver til Máret Láilá
• samarbeid med NB
• møte om presentasjon på fredag

Børre

• Hvordan bygge nettsider ved innsjekkinger
  • Konklusjon: bruke webhooks for å varsle om commits til nettsidemaskina vår ⇒ bygge nettsidene
• Lage info om korpus
• NRK-crawler
  • Hente sma og smj i tillegg til sme
  • Oppdatere til ny syntaks i nrk’s api
• Møte m/NTec om ordbøker
• Lage feilmelding om Android-keyboard etter feedback fra bruker

Framover:

• bestemme hvordan vi redigerer den medisinske ordboka, gjøre kildekoden offentlig
• korpus-repoar i git - heng på git-lfs. Kommet forslag på løsning fra it-avdelingen
• sende avtaletekst for bruk av heile korpuset til NorwAI (via Sjur)
• gielese:
  • forsiden oppe og går på http, Play-knappen fører til tom side

Inga

• TTS: tilpasser tekst til lyd
• Rettet Tronds nye ord i smj
• +Gram/3syll:
  • undersøkt bruken i smj vs sme: sme gir +Gram/3syll i hovedleksikon slik at likestavelses avledninger også får denne taggen.
  • fjernet alle +Gram/xxx fra yaml siden Sjur har fjernet disse fra å være synlige
• Artikkelarbeid med Linda
• DEV-tester, rettet opp
• Korpusinfo med hjelp av Børre - det er for dårlege metadata for forskarar som bruker korpuset vårt
• Foreberedelse til IDIL:
  • Global action plan of the International Decade of Indigenous Languages
  • Handlingsplan for samiske språk fra 2009
  • første utkast til nasjonal IDIL-handlingsplan
• Reiseplanlegging
• Tastaturbug
• NTEC-møte

Sjur

• for få innkomne tilbod til rammeavtala, inga reell konkurranse, så tilbodskonkurransen har vorte avlyst
• generaliserte og oppdaterte taggtestingsskriptet, no med sentrale delar i giella-core; klarar òg prefiks-taggar no
• laga eige repo for vedlikehaldsarbeidet avtalt med underleverandør
• fiksa SMJ
• førebuingar for Skeŋkes hállama-prosjetet - planlagt møte med CSC + Krister Lindén
• møte med Ntec Media om samarbeid framover
• møte om og arbeidd med presentasjon til konferansen fredag
• sletta datamaaskina, og installerte systemet på nytt
• møte om dok-organisering og GitHub-organisasjonar

Framover:

• søknad til Kulturdepartementet om tilgang til heile NB-tekstsamlinga
• tts-analysator
• GitHub-kurs
• git-kurs
• send e-post med dongelbestilling til Flammie
• diskuter lookup i divvunspell med Brendan, Flammie - gjera ferdig det som alt ligg der, evt. legg til API-kall

Infra-arbeid framover (Børre, Flammie, Sjur):

• flytta fst-bygginga inn i fst-mappa
• flytta alle test-katalogane (til underkatalogar av det som skal testast)

Kan dela arbeidsrom via VSCode (med innebygd lydchat). Har ei felles arbeidsøykt etter påske.

Sjur sjekkar butikkane til Apple og Google for å finna flutter-appen.

Gøteborg

• eige (privat) repo for å administrera vedlikehaldsarbeidet

Framover:

• gjera ferdig one-click-installeraren
• stavekontroll til MS Office for mac

Andre planlagde oppdateringar

• stavekontroll inn i MT-sida igjen (unhammer)
• grammatikkontroll inn i MT-sida (unhammer)
• grammatikkontroll inn i LO (Kevin sin oxt)
• grammatikkontroll inn i nettstavekontrollen

Reiser og konferansar

• 25.-27.1.: The first International Conference on Sámi Research Data Governance
• 26.1.: Møte i Samarbeidsforumet for IDIL, Karasjok
• 13.-15.2.: Peter Juel Henrichsen kjem til Tromsø for å prata om taleteknologi ein halv dag
• 13.-17.3. - forslag til neste Divvun-samling
• 22.-24.5.2023: Nodalida, på Færøyane

LREC - framtidsplaner

• maori-grammatikkontroll - zoom-møte?
• nasjonalbiblioteket og samiske tekstar - skrive til dei
• islandsk regelbasert grammatikkontroll
• Wikimedia-ting: https://lingualibre.org/wiki/LinguaLibre
• søramerikanerne var interessert i fst - evt ha et kurs for dem

Ymse

• IDIL - International Decade Of Indigenous Languages
• neste møte tysdag 31.1.2023, vanleg tid