GigaChat Pro acentuó el 95,8% de las palabras, pero los 32 errores solo aparecieron en lotes pequeños
Los motores TTS rusos acentúan mal: «гудни» se lee como «гУдни», y los diccionarios de ElevenLabs están cerrados en la tarifa del autor. Entregó 7789 palabras a GigaChat Pro y obtuvo un léxico de 7462 palabras, el 95,8% de cobertura. Sin embargo, el modelo acentuó de forma distinta en distintas ejecuciones 32 palabras, como «проскочила» y «куплена», y solo los lotes pequeños lo detectaron. Conclusión: la ejecución masiva es únicamente una lista de candidatos, y lo dudoso lo revisa una persona.
Procesado por IA desde Habr AI; editado por Hamidun News
Los sintetizadores de voz (TTS) rusos acentúan con regularidad en la sílaba equivocada: la palabra «гудни» se lee como «гУдни», y «проскочила» y «куплена» suenan con error. El autor de este análisis se topó con el problema en tres motores a la vez. Los diccionarios de pronunciación de ElevenLabs están cerrados en su tarifa, así que mantenía a mano un diccionario de sustituciones de 51 palabras.
Entonces encargó a GigaChat Pro que acentuara todo el banco de réplicas: 7789 palabras se convirtieron en un léxico de 7462 palabras, es decir, un 95,8% de cobertura. Suena a victoria, pero la lección principal es otra: 32 palabras de esa lista resultaron poco fiables, y solo se pudo verlo al repetir la comprobación en lotes pequeños. Para quienes etiquetan datos de forma masiva con ayuda de un LLM, esta es una regla práctica lista para usar.
GigaChat como creador del diccionario de acentos
La idea es sencilla: entregar al modelo de lenguaje todo el banco de textos y construir el léxico de acentos de forma automática, en lugar de escribir las palabras a mano. GigaChat ofrece un nivel gratuito durante un año: 250 millones de tokens para Lite, 40 millones para Pro, 25 millones para Max y 50 millones para Ultra. El registro se hace con Client ID y el scope GIGACHAT_API_PERS, y la conexión requiere una sola línea de código indicando el modelo GigaChat-2-Pro.
La elección del modelo resultó decisiva. Lite no sirve para esta tarea: según el autor, «ensucia» los resultados. La única opción que funciona es Pro.
Hay además un detalle menor. GigaChat coloca la marca de acento después de la vocal tónica, y no antes, como hace la biblioteca ruaccent, y a veces corta el final de la palabra. Esto se corrige fijando el formato en el prompt y ajustando el parser.
La lección principal: los lotes grandes se equivocan con aplomo
El léxico terminado no se puede importar directamente al diccionario. Cuando el autor volvió a comprobar las palabras en lotes pequeños, aparecieron 32 casos traicioneros, entre ellos «проскочила» y «куплена»: en una ejecución el modelo ponía el acento en un sitio y en otra, en otro. En un lote grande esas discrepancias se diluyen, y la respuesta parece igual de segura.
De ahí surgió una regla que ahora se aplica de forma permanente en el proyecto:
- la ejecución masiva es solo una fuente de candidatos;
- cada candidato pasa una comprobación en un lote pequeño;
- la decisión final sobre las discrepancias entre ejecuciones la toma una persona.
Resultado: el diccionario pasó de 51 a 101 palabras, y el autor no había adivinado por sí mismo ninguna de las 50 nuevas. La regla no vale solo para los acentos. Si encargas a un LLM asignar etiquetas, categorías o unificar el formato de los datos, puede ocurrirte lo mismo: con miles de elementos, la inestabilidad pasa inadvertida. Un seguro barato consiste en volver a procesar los elementos dudosos en lotes pequeños y comparar las respuestas.
GigaAM como control de calidad de la locución
La segunda tarea consistía en verificar la locución ya generada: transcribir el archivo wav sintetizado y comparar las palabras con el texto de referencia. Para ello sirvió GigaAM v3 a través de sherpa-onnx: los pesos ocupan 222 MB y la licencia es MIT. En pistas limpias, sin procesar, es rápido y preciso. Como extra, el autor le pasó una grabación de seis minutos hecha con una grabadora de voz y obtuvo en segundos una transcripción casi sin errores.
Las limitaciones también son claras:
- con locución que lleva efecto de radio (interferencias y compresor en «Канал 15»), GigaAM se confunde, y ahí sigue haciendo falta whisper;
- no acepta archivos largos completos: el límite práctico ronda los 50 segundos, por lo que las pistas se cortan en ventanas de 30 segundos;
- el modelo Lite de GigaChat sigue siendo inútil para los acentos.
Ambas herramientas están integradas en el protocolo de trabajo: el script stress_suggest.py con la opción --giga propone los acentos, y qa_recent.py y qa_recast.py con el parámetro --engine gigaam verifican la resíntesis más reciente.
Qué llevarse al trabajo
Para quienes hacen locución en ruso o agentes de voz, el esquema se puede reproducir en una tarde. El nivel gratuito de GigaChat Pro reúne a los candidatos, los lotes pequeños descartan las respuestas inestables y la persona solo revisa las discrepancias. GigaAM sirve como control automático barato con audio limpio, mientras que para pistas con efectos conviene mantener whisper. El autor resume la conclusión sin dramatismos: una red neuronal es una herramienta como un destornillador, solo que más cara. Y un detalle revelador: el modelo no logró acentuar con seguridad la palabra «гудни» ni una sola vez.
- 5 feb 2026Acentos sin errores: las redes neuronales a nivel de carácter sustituyen a los diccionarios polvorientos
- 19 nov 2026Enseñaron a la radio de Euro Truck Simulator 2 a leer noticias y a agradecer donaciones por $1
- 27 oct 2026La IA OmniVoice leyó 5 minutos de texto en ruso en 44 segundos, pero falla con los acentos
- 12 nov 2026DeepL Voice aprende a trasladar el sarcasmo y los cambios de ánimo a la traducción en vivo
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre GigaChat como creador del diccionario de acentos?
La idea es sencilla: entregar al modelo de lenguaje todo el banco de textos y construir el léxico de acentos de forma automática, en lugar de escribir las palabras a mano. GigaChat ofrece un nivel gratuito durante un año: 250 millones de tokens para Lite, 40 millones para Pro, 25 millones para Max y 50 millones para Ultra. El registro se hace con Client ID y el scope GIGACHAT_API_PERS, y la conexión requiere una sola línea de código indicando el modelo GigaChat-2-Pro. La elección del modelo resultó decisiva.
¿Qué se sabe sobre La lección principal: los lotes grandes se equivocan con aplomo?
El léxico terminado no se puede importar directamente al diccionario. Cuando el autor volvió a comprobar las palabras en lotes pequeños, aparecieron 32 casos traicioneros, entre ellos «проскочила» y «куплена»: en una ejecución el modelo ponía el acento en un sitio y en otra, en otro. En un lote grande esas discrepancias se diluyen, y la respuesta parece igual de segura.
¿Qué se sabe sobre GigaAM como control de calidad de la locución?
La segunda tarea consistía en verificar la locución ya generada: transcribir el archivo wav sintetizado y comparar las palabras con el texto de referencia. Para ello sirvió GigaAM v3 a través de sherpa-onnx: los pesos ocupan 222 MB y la licencia es MIT. En pistas limpias, sin procesar, es rápido y preciso. Como extra, el autor le pasó una grabación de seis minutos hecha con una grabadora de voz y obtuvo en segundos una transcripción casi sin errores.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.