Divvun-møte 14.1.2025

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

Saker:

• Sidan sist
• Reiser og konferansar
• LREC - framtidsplaner
• Ymse

Sidan sist

Flammie

• fiks med speller bygging på ci
• nodalida workshop organisering med linda og trond
• camera ready til computel
• reiseplan: computel 1.3–11.3
• medarbeidersamtale
• deep learning in northern lights

Børre

• lang-sma: konvertere liste fra GG til dict og missing
• medarbeidersamtale med Sjur
• hjelpe UiT-medarbeider med Divvun -> manuell installasjon, Divvun Manager trøbler pga admin-rettigheter
• touche borti en av Linda & Flammies artikler
• se på hvordan termer kan integreres i metadictionary
• infomøte med Helse Norge om verktøyene våre, api-er og søk i samisk materiale. Interessert i samisk TTS på nettsidene.

Framover:

• rette feil i borealium
• få pontoon til å virkelig synkronisere
• laga oppsett for gramcheck-testdata i cg3-filer
• Bugzilla-flyttinga

Inga

Framover:

• Siste fiksing av flagg som bestemmer kasus på 100, 1000, 10 000, 1 000 000, 1 000 000 000

Linda

• Nodalida-planlegging
• reviewer til Nodalida
• grammatikkontrollartikkel: kameraklar version med Flammie
• testing av grammatikkontroll i WORD

Problem med SME-gram: "álo" Err/Orth Adv Err/Spellrelax used to be "álo" Err/Orth-a-á Adv, and now it is Err/Spellrelax only.

Problemer med talluttrykk som inkluderer komma:

Giissá diamehter lea 43 cm ja dat lea 16,5 cm alu.
Son vuige ahte lea menddo unni go lea dušše 1,76 mehtera alu.

1,76 mehtera blir analysert slik:

"<1>"
        "1" Num Arab Sg Gen <W:0.0> @>N SELECT:21873:r3226 MAP:22617:r158
;       "1" A Arab Ord Attr CLBfinal <W:0.0> SELECT:21873:r3226
;       "1" Num Arab Sg Acc <W:0.0> REMOVE:19125:r2436
;       "1" Num Arab Sg Ill Attr <W:0.0> SELECT:21873:r3226
;       "1" Num Arab Sg Loc Attr <W:0.0> SELECT:21873:r3226
;       "1" Num Arab Sg Nom <W:0.0> REMOVE:18917:r2398
;       "1" Num Sem/ID <W:0.0> SELECT:21873:r3226
"<,>"           ","        →  ", "
        "," CLB <W:0.0> <NoSpaceAfterPunctMark> &no-space-after-punct-mark ID:11 R:RIGHT:12 ADD:14414:no-space-after-punct COPY:14432:no-space-after-punct-sugg ADD:14414:no-space-after-punct
no-space-after-punct-mark
        "," CLB <W:0.0> <NoSpaceAfterPunctMark> ", 76"S &no-space-after-punct-mark &SUGGESTWF ID:11 R:RIGHT:12 ADD:14414:no-space-after-punct COPY:14432:no-space-after-punct-sugg
no-space-after-punct-mark
"<76>"
        "76" A Arab Ord Attr CLBfinal <W:0.0> @>N SELECT:15082:AAttrCop MAP:22391:r86 &no-space-after-punct-mark ID:12 ADD:14424:no-space-after-punct-link ADD:14424:no-space-after-punct-link
        "76" A Arab Ord Attr CLBfinal <W:0.0> @>N SELECT:15082:AAttrCop MAP:22391:r86 &LINK ID:12 ADD:14424:no-space-after-punct-link ADDRELATION(RIGHT):14430:no-space-after-punct-rel ADD:14424:no-space-after-punct-link
;       "76" Num Arab Sg Acc <W:0.0> SELECT:15082:AAttrCop
;       "76" Num Arab Sg Gen <W:0.0> SELECT:15082:AAttrCop
;       "76" Num Arab Sg Ill Attr <W:0.0> SELECT:15082:AAttrCop
;       "76" Num Arab Sg Loc Attr <W:0.0> SELECT:15082:AAttrCop
;       "76" Num Arab Sg Nom <W:0.0> SELECT:15082:AAttrCop
;       "76" Num Sem/ID <W:0.0> SELECT:15082:AAttrCop
: 
"<mehtera>"
        "mehter" N Sem/Measr Sg Gen <W:0.0> @>N SELECT:17156:NewGen MAP:22843:r227
;       "mehter" N Sem/Measr Sg Acc <W:0.0> SELECT:17156:NewGen

Mikko

Framover:

• Divvun-jubileet
• artiklar etter Trondheims- konferansen

Sjur

• dokumentasjon
• SMA-TTS-artikkel
• smj-orddeling, shared-mul-feil
• medarbeidarsamtaler
• prosjektorganisering
• møte med NRK o.a.
• feil og problem skal alltid meldast i GitHub!

Framover:

• svar Daan

Maja Lisa

• missinglists - Takk til Børre
• diskuterte MT-oversetting av SAČ-1 og 2
• Lønnutvikling

Framover:

• TTS - tall
• artikkel med Katri og Thomas - sma - legge til referanser
• Ny liste fra Gg - FST + dict
• Gramcheck - regler for bl.a pronomener
• Talesyntese og få denne til å fungere + hvordan bruke/implementere denne teknologien i hverdagen? - Smarthus jfr. - Josefina/Nils Johan spør + se på diskusjonen i TTS-tråden om Aanna som ikke fungerer - talesyntesen funker iflg. Josefina
• halvveis avtalt pres. av Gramcheck for Gg-medlemmer - spikre datoen etter jul.
• Interessante ASR-resultat: legge til Err/Orthformer f.eks for “tjoeredh”? Hvordan er dagens språk jfr. f.eks AJ:s?
• tekstnormalisering for SMA (tal og forkortingar til tekst) m/ Inga
• spørsmål om speechify - talesyntese-app
• Missinglist fra Orre Testamente - endringer i lexiconer
• Missinglist fra 6 sma-masteravhandlinger - endringer i lexiconer
• Se sammen med Inga - lexc-arbeid
• Foreberede pres. av lånetilpassinger - hva er vedtatt og hvor er det fortsatt stor variasjon?
• Forberede pres. av GramDivvun - også fra GG: Forberede presentasjon om grammatikkontroll - Variasjon i negasjon og adj-systemer - en faktor til språksperre? Forberede sammen med Linda

Katri

• sme-TTS: prosesserer resten av MS sitt materiale (bare 2-3 lydfiler igjen)
• smj-ASR:
  • prosessrer nye datasett til neste versjon av ASR, mest lydbøker, har også hentet språklæringsmaterial fra nettet (Anta Pirak, Subtsas buolla birra, Giellaj hila…)
  • planlegging og kartlegging + metadata av alle datasett med Inga: https://docs.google.com/spreadsheets/d/1ArueBc14ATqpDwIyfrb2va7OS_kFMLkH_35nWJ6i9EM/edit?usp=sharing
• møte: Sami voice recognition, AI and Nordic PBs and universities.
• medarbeidersamtale
• sma-TTS artikkel
• tekst til nominering
• omorganiserte speech-smj-x-private

Framover/Ideer:

• NB: nordic automatic LID (language identification), kan brukes til å filtrere norsk material (tekst) ut fra t.ex. sametingets plenumaudio?
• Artikkel om sme-TTS: evalueringstest i små språksamfunner er vanskelige
• Til folk som er interessert av TTS-prosjekter: https://docs.coqui.ai/en/latest/what_makes_a_good_dataset.html

Necessary Innovations

• retta feil i grammatikkontroll-API-server
• CI-serveroppsett

Andre planlagde oppdateringar

• stavekontroll inn i MT-sida igjen (unhammer) => Flammie pratar med Kevin, bruk api-serveren
• grammatikkontroll inn i MT-sida (unhammer) => Flammie pratar med Kevin, bruk api-serveren
• grammatikkontroll inn i nettstavekontrollen
  • sjå over nettstavekontrollen:
    • anna editor?
    • api-server

Divvun-jubileum

• på nyåret - det er alt for usikkert i desember
• kavalkade over det vi har gjort
• invitera nokon utanfrå til å seia noko om:
  • bruken av verktøya
  • nytte for samfunnet
• gjester ved UiT, men òg strøyma slik at andre kan fylgja med
• invitera alle som har jobba i Divvun + folk frå SD og KDD + rektor
• middag
• pressemelding og mediedekning

Reiser og konferansar

Både potensielle og påmeldte, og planlagde reiser:

• 24.-26.02.2025: LT4All 2.0 (Paris)
• 02.–05.03.2025: nodalida, October 21, 2024: Paper submission deadline
  • nodalida CG-workshop, December Paper submission deadline
• 03.-04.03.2025: Computel. «We invite submissions to the 8th workshop on the Use of Computational Methods in the Study of Endangered Languages, by October 7, 2024.»
• 1. eller 26.3.2025: Divvun-jubileum (Tromsø)
• 09.-15.06.2025: Lávdan Sámi Arena (Kautokeino) — vil vi vera med? Abstract Submission Deadline: January 31th, 2025
• 17-21.8.2025: Interspeech (Rotterdam)
• 25.-26.8.2025 Speech Synthesis Workshop (Leeuwarden)
• 18.–23.08.2025 CIFU — Congressus XIV Internationalis Fenno-Ugristarum (Tartu, Estland)
• 26.-29.08.2025: syntaxfest
• seinare: sigmorphon eller andre tba

LREC - framtidsplanar

• maori: grammatikkontroll, datastyring og tilgang, etikk og plattformkontroll
• nasjonalbiblioteket og samiske tekstar - skrive søknad til KD

Ymse

Neste Divvun-samling: i feb, men dato ikkje bestemt. Helst ikkje: 6. februar eller veke 8.

Neste møte: tysdag 21.1. til vanleg tid.