В Югре ведутся работы по созданию нейросетевых моделей для мансийского языка. Некоторые из них уже функционируют, в то время как другие продолжают обучаться. Об этом сообщил руководитель центра развития искусственного интеллекта Югорского НИИ информационных технологий Михаил Русанов.
В рамках этого проекта разрабатывается несколько моделей. Одна из них переводит тексты с русского на мансийский и обратно. Для этого была взята открытая версия модели и дообучена на корпусе параллельных предложений. Другие две модели предназначены для распознавания речи и генерации звучащей мансийской речи, при этом голос для одной из моделей озвучила журналист Галина Кондина. Четвертая модель читает тексты с картинок, сканов и PDF-файлов, и именно она демонстрирует наиболее заметный прогресс — ошибка снизилась с 18,5 процента до 0,85 процента.
По словам Михаила Русанова, если взять базовую модель для распознавания текста с картинок, она дает ошибку примерно в каждом пятом символе. Однако после дообучения моделью, разработанной в Югре, ошибка сокращается до одного символа из ста.
Специалисты в настоящее время работают над большой языковой моделью, которая должна полноценно понимать мансийский язык. Сейчас на «Этнопортале» функционирует облачный инструмент «Аги», который хорошо понимает и отвечает на мансийском языке. Однако в будущем планируется заменить облачную модель на локальную разработку, что будет более экономически эффективно и даст независимость от зарубежных решений.
Основной сложностью в этом проекте является сбор данных, в частности, корпус параллельных предложений, который необходим для обучения моделей. В 2025 году эксперты перевели около пяти тысяч пар предложений, а в этом году специалисты перешли к синтетическому формированию данных, создавая сотни тысяч пар для обучения большой языковой модели.
Оцифровка текстов уже дала серьезную базу для обучения нейросетей. В 2024 году специалисты перевели в цифровой формат большой объем мансийских текстов, включая книги, учебники, сборники фольклора и подшивки газет. На базе этих технологий запущен «Этнопортал» — языковое пространство с переводчиком, словарями и ИИ-ассистентом, который помогает передавать традиции и знания от старших поколений к младшим и сохранять культурное наследие.
В планах — распространить опыт и на языки ханты и ненцев. До конца ноября на «Этнопортале» появятся еще два сервиса: туристический разговорник и модуль обучения произношению, которые помогут правильно ставить мансийские звуки.
