Saving Voices Projectはオフラインの低コストAIでソリガ語の音声を保存した

インド南部の先住民族であるソリガの人々は、若い世代が都市へ移住するにつれて言語の喪失に直面していた。商用の音声技術は現実的な選択肢ではなかった。この言語の話者は少なく、文字を持たず、コミュニティには信頼できるインターネット接続がなかった。

Saving Voices ProjectはIIIT Dharwadと協力し、大規模なクラウドモデルを待つのではなく、小規模なテキスト読み上げシステムを構築した。チームは5時間分のコミュニティ音声データを使用し、Linuxを実行する低消費電力のRaspberry Piハードウェアにモデルを配備した。これによりオフラインで動作し、データをコミュニティ内に保持できた。

その結果、単語認識の精度の一部を犠牲にする代わりに、商用の代替手段では提供できない特性を得た。完全なデータ主権、50ドル未満のハードウェアでのオフライン動作、そして長老やコミュニティの指導者に信頼されるガバナンスである。このプロジェクトは技術的な不足を、再現可能な言語保存の青写真へと変えた。

5時間分の音声データから、50ドル未満のRaspberry Piハードウェア上で動作するオフラインのソリガ語音声モデルを生み出し、データをコミュニティのデバイス上に保持した。

話者人口が少なく文字を持たないため、通常のデータを大量に必要とする商用の道は利用できなかった。

オフラインの低消費電力ハードウェアは、コミュニティの接続環境と予算の制約に適合した。

音声データを地域のデバイス上に保持することで、コミュニティの所有権は約束事ではなく技術的な特性になった。

最先端モデルがコミュニティに届かない場合、地域の制約に合わせて設計すること、すなわち少量のデータ、安価なハードウェア、オフライン利用、コミュニティによる管理が、クラウドの規模に勝ることがある。

Saving Voices Projectはソリガ語モデルを、言語の復興とデジタル上の主体性のための青写真と位置づけた。90か国にわたる約5億人の先住民族に届くことを目指しており、Frugal AI Hubはアンドラ・プラデーシュ州にラボを設置し、ケニアとナイジェリアの当局者と同様の取り組みについて協議している。記事はこれらを拡大計画として提示しており、完了した配備としてではない。