Подход помогает моделям использовать уже накопленные знания о звуках и произношении Учёные ИТМО и MWS AI разработали метод SEAM, который позволяет адаптировать модели синтеза речи к новым языкам при меньшем объёме обучающих данных. Эксперименты показали, что для получения качества, сопоставимого со стандартным подходом, достаточно 25 часов аудиозаписей вместо 100. Источник изображения: ИИ ChatGPT // https://chatgpt.com Обычно голосовые нейросети обучают на парах «текст — аудио». При недостатке таких примеров модели сложнее освоить произношение и сочетание звуков, что может снижать качество синтеза. Проблема особенно актуальна для языков, для которых нет больших размеченных наборов речи. Метод SEAM позволяет использовать уже имеющиеся знания нейросети: новые языковые элементы формируются из знакомых ей компонентов с учётом фонетического порядка. Подход проверили на русском, казахском и французском языках с использованием двух архитектур синтеза речи. Разработка может применяться при создании голосовых помощников, сервисов озвучки и систем автоматизации клиентской поддержки, которым требуется поддержка новых языков. Работу исследователей приняли на конференцию EMNLP 2026, посвящённую обработке естественного языка. По словам руководителя Института ИИ ИТМО Александра Бухановского, перенос накопленных знаний помогает сократить потребность в данных, однако может приводить к искажению произношения и появлению нестандартных языковых форм.