వార్తల్లో ఎందుకు ఉంది?
15 నవంబర్ 2026న గిరిజన వ్యవహారాల మంత్రిత్వ శాఖ ఆది వాణి (Adi Vaani) విస్తరణను ప్రముఖంగా ప్రస్తావించింది. 15 అక్టోబర్ నాటికి తొమ్మిది గిరిజన భాషలలో పాఠ్య అనువాదం అందుబాటులో ఉన్నట్లు ఆ శాఖ ప్రకటన తెలిపింది. దీనిని జాతీయ గిరిజన భాషా భాండాగారంగా (National Tribal Language Repository) అభివృద్ధి చేయడంపై ఒక కార్యనిర్వాహక బృందం చర్చించింది.
వేదిక పరిచయం
ఆది వాణి అనువాదం, భాషా డాక్యుమెంటేషన్ మరియు అభ్యాసానికి తోడ్పడుతుంది. మంత్రిత్వ శాఖ దీనిని 1 సెప్టెంబర్ 2025న ప్రారంభించింది. ఐఐటీ ఢిల్లీ (IIT Delhi) నేతృత్వంలోని కన్సార్టియం ఇతర సంస్థలు మరియు రాష్ట్ర గిరిజన పరిశోధనా సంస్థలతో (State Tribal Research Institutes - TRIs) కలిసి దీనిని అభివృద్ధి చేసింది.
మాతృభాష మాట్లాడేవారు పదాలు, వాక్యాలు మరియు వాయిస్ రికార్డింగులను అందిస్తారు. మోడళ్లకు శిక్షణ ఇవ్వడానికి ఈ సమాచారాన్ని ఉపయోగించే ముందు భాషా నిపుణులు మరియు టీఆర్ఐలు (TRIs) దీనిని పరిశీలిస్తారు. ఆదికోశ్ (AdiKosh) అనేది ఈ వేదిక యొక్క పదకోశం.
భాషా సాధనాలు ఏమి చేస్తాయి
ఆటోమేటిక్ స్పీచ్ రికగ్నిషన్ (Automatic speech recognition - ASR) మాట్లాడే భాషను రాతపూర్వక పాఠ్యంగా మారుస్తుంది. ఆప్టికల్ క్యారెక్టర్ రికగ్నిషన్ (Optical character recognition - OCR) స్కాన్ చేసిన పేజీ వంటి చిత్రం నుండి యంత్రం చదవగలిగే పాఠ్యాన్ని వెలికితీస్తుంది.
యంత్ర అనువాదం (Machine translation) పాఠ్యాన్ని ఒక భాష నుండి మరొక భాషలోకి మారుస్తుంది. స్పీచ్ సింథసిస్ (speech synthesis) పాఠ్యం నుండి మాట్లాడే శబ్దాన్ని ఉత్పత్తి చేస్తుంది. స్పీచ్-టు-స్పీచ్ అనువాద వ్యవస్థ (speech-to-speech translation system) స్పీచ్ రికగ్నిషన్, అనువాదం మరియు స్పీచ్ సింథసిస్లను పరస్పరం అనుసంధానించగలదు.
భాషా డేటా ఎందుకు ముఖ్యం
కార్పస్ (corpus) అనేది పరిశోధన లేదా శిక్షణ కోసం ఉపయోగించే భాషా సమాచార సేకరణ. సమాంతర కార్పస్ (parallel corpus) ఒక భాషలోని పాఠ్యాన్ని మరొక భాషలో దానికి సమానమైన అనువాదంతో జతచేస్తుంది. వివిధ భాషలలో అర్థం ఎలా వ్యక్తీకరించబడుతుందో ఈ జతలు ఉదాహరణలుగా చూపుతాయి.
ఉదాహరణకు, సంతాలీ అనువాదాలతో జతచేసిన హిందీ వాక్యాల సమితి అనువాద-మోడల్ శిక్షణకు తోడ్పడగలదు. రాతపూర్వక ట్రాన్స్క్రిప్షన్లతో (transcriptions) జతచేసిన రికార్డింగులు స్పీచ్-రికగ్నిషన్ శిక్షణకు తోడ్పడగలవు.
రాజ్యాంగ నిబంధనలు
అధికరణ 29(1) భారతదేశంలోని పౌరుల ఏ విభాగానికైనా తమ ప్రత్యేక భాష, లిపి లేదా సంస్కృతిని పరిరక్షించుకునే హక్కును కల్పిస్తుంది.
అధికరణ 350A ప్రాథమిక దశలో భాషా అల్పసంఖ్యాక వర్గాల పిల్లలకు మాతృభాషలో విద్యాబోధనకు సంబంధించినది. రాష్ట్రాలు మరియు స్థానిక సంస్థలు తగిన సౌకర్యాలను కల్పించేందుకు కృషి చేయాలి. ఈ సౌకర్యాలను సమకూర్చడంలో సహాయపడేందుకు రాష్ట్రపతి ఒక రాష్ట్రానికి ఆదేశం ఇవ్వవచ్చు.
ముగింపు
భాషా భాండాగార ప్రతిపాదన కార్పస్లు (corpora), ప్రైమర్లు (primers), నిఘంటువులు మరియు సామాజిక కథలను ఒకచోట చేరుస్తుంది. ప్రైమర్లు అనేవి ఒక భాషను నేర్చుకోవడానికి ఉపయోగపడే ప్రాథమిక వనరులు.
మూలాలు
- గిరిజన వ్యవహారాల మంత్రిత్వ శాఖ: ఆది వాణి పురోగతి మరియు భాషా భాండాగార ప్రతిపాదన, 15 నవంబర్ 2026
- IBM: స్పీచ్ రికగ్నిషన్ మరియు ఆడియో-టు-టెక్స్ట్ ప్రాసెసింగ్
- IBM: ఓసీఆర్ (OCR) మరియు యంత్రం చదవగలిగే పాఠ్యం
- IBM: యంత్ర అనువాదం మరియు భాషా-జత శిక్షణ డేటా
- AI4Bharat: సమాంతర వాక్య-జత కార్పస్లు
- లెజిస్లేటివ్ విభాగం: రాజ్యాంగం, అధికరణలు 29(1) మరియు 350A