GigaChat Pro поставил ударения в 95,8% слов, а 32 ошибки нашлись лишь в малых партиях
Русские TTS-движки ставят ударения не туда: «гудни» читается как «гУдни», а словари ElevenLabs на тарифе автора закрыты. Он отдал GigaChat Pro 7789 слов и получил лексикон на 7462 слова — 95,8% покрытия. Но 32 слова вроде «проскочила» и «куплена» модель ударяла по-разному в разных прогонах, и поймали это лишь малые партии. Вывод: массовый прогон — только список кандидатов, спорное проверяет человек.
AI-обработка оригинала Habr AI; редакция Hamidun News
Русские синтезаторы речи (TTS) регулярно ставят ударения не туда: слово «гудни» читается как «гУдни», а «проскочила» и «куплена» звучат с ошибкой. Автор разбора столкнулся с этим в трёх движках сразу. Словари произношения в ElevenLabs на его тарифе закрыты, поэтому он держал ручной словарь подмен из 51 слова. Тогда он поручил GigaChat Pro расставить ударения во всём банке реплик: 7789 слов превратились в лексикон на 7462 слова, то есть 95,8% покрытия. Звучит как победа, но главный урок в другом: 32 слова из этого списка оказались ненадёжными, и увидеть это можно было только при повторной проверке маленькими партиями. Для тех, кто массово размечает данные с помощью LLM, это готовое практическое правило.
GigaChat как составитель словаря ударений
Идея простая: отдать языковой модели весь банк текстов и собрать лексикон ударений автоматически, вместо того чтобы вписывать слова руками. У GigaChat есть бесплатный тир на год: 250 млн токенов для Lite, 40 млн для Pro, 25 млн для Max и 50 млн для Ultra. Регистрация идёт по Client ID со scope GIGACHAT_API_PERS, а подключение занимает одну строку кода с указанием модели GigaChat-2-Pro.
Выбор модели оказался принципиальным. Lite для этой задачи бесполезна: она «мусорит», по словам автора. Рабочий вариант — только Pro.
Есть и мелкая особенность. GigaChat ставит знак ударения после ударной гласной, а не перед ней, как библиотека ruaccent, и иногда обрывает хвост слова. Это лечится фиксацией формата в промпте и правкой парсера.
Главный урок: большие партии врут уверенно
Готовый лексикон нельзя импортировать в словарь напрямую. Когда автор перепроверил слова малыми партиями, нашлись 32 коварных случая, среди них «проскочила» и «куплена»: в одном прогоне модель ставила ударение так, в другом иначе. В большой пачке такие расхождения тонут, и ответ выглядит одинаково уверенно.
Из этого выросло правило, которое теперь действует в проекте постоянно:
- массовый прогон — только источник кандидатов;
- каждый кандидат проходит проверку малой партией;
- итоговое решение по расхождениям между прогонами принимает человек.
Результат: словарь вырос с 51 до 101 слова, и ни одно из 50 новых слов автор не угадывал сам. Правило работает не только для ударений. Если вы поручаете LLM расставить теги, категории или привести данные к единому виду, то же самое может случиться и у вас: на тысячах элементов нестабильность незаметна. Дешёвая страховка — прогнать спорные элементы ещё раз небольшими пачками и сравнить ответы.
GigaAM как контролёр качества озвучки
Вторая задача — проверить готовую озвучку: распознать сгенерированный wav-файл и сравнить слова с эталонным текстом. Для этого подошёл GigaAM v3 через sherpa-onnx: веса занимают 222 МБ, лицензия MIT. На чистых дорожках без обработки он быстрый и точный. Бонусом автор прогнал через него шестиминутную запись с диктофона и получил почти безошибочную расшифровку за секунды.
Ограничения тоже честные:
- на озвучке с радиоэффектом (помехи и компрессор у «Канала 15») GigaAM путается, там остаётся whisper;
- длинные файлы целиком он не принимает: практический предел около 50 секунд, поэтому треки режут окнами по 30 секунд;
- Lite-модель GigaChat для ударений остаётся бесполезной.
Оба инструмента встроены в рабочий протокол: скрипт stress_suggest.py с флагом --giga предлагает ударения, а qa_recent.py и qa_recast.py с параметром --engine gigaam проверяют свежий пересинтез.
Что взять в работу
Для тех, кто делает русскую озвучку или голосовых агентов, схема воспроизводима за вечер. Бесплатный тир GigaChat Pro собирает кандидатов, малые партии отсекают нестабильные ответы, человек смотрит только на расхождения. GigaAM годится как недорогой автоматический контроль на чистом звуке, а для дорожек с эффектами лучше оставить whisper. Автор формулирует итог без пафоса: нейросеть — инструмент вроде отвёртки, только дороже. И показательная деталь: слово «гудни» модель так и не смогла поставить уверенно ни разу.
- 5 февр. 2026 г.Ударения без ошибок: посимвольные нейросети заменяют пыльные словари
- 19 нояб. 2026 г.Рацию для Euro Truck Simulator 2 научили читать новости и благодарить за донаты за $1
- 27 окт. 2026 г.Нейросеть OmniVoice озвучила 5 минут русского текста за 44 секунды, но путает ударения
- 12 нояб. 2026 г.DeepL Voice научился переносить сарказм и смену настроения в живой перевод
Вопросы и ответы по материалу
Что известно по теме: GigaChat как составитель словаря ударений?
Идея простая: отдать языковой модели весь банк текстов и собрать лексикон ударений автоматически, вместо того чтобы вписывать слова руками. У GigaChat есть бесплатный тир на год: 250 млн токенов для Lite, 40 млн для Pro, 25 млн для Max и 50 млн для Ultra. Регистрация идёт по Client ID со scope GIGACHAT_API_PERS, а подключение занимает одну строку кода с указанием модели GigaChat-2-Pro. Выбор модели оказался принципиальным. Lite для этой задачи бесполезна: она «мусорит», по словам автора.
Что известно по теме: главный урок: большие партии врут уверенно?
Готовый лексикон нельзя импортировать в словарь напрямую. Когда автор перепроверил слова малыми партиями, нашлись 32 коварных случая, среди них «проскочила» и «куплена»: в одном прогоне модель ставила ударение так, в другом иначе. В большой пачке такие расхождения тонут, и ответ выглядит одинаково уверенно.
Что известно по теме: GigaAM как контролёр качества озвучки?
Вторая задача — проверить готовую озвучку: распознать сгенерированный wav-файл и сравнить слова с эталонным текстом. Для этого подошёл GigaAM v3 через sherpa-onnx: веса занимают 222 МБ, лицензия MIT. На чистых дорожках без обработки он быстрый и точный. Бонусом автор прогнал через него шестиминутную запись с диктофона и получил почти безошибочную расшифровку за секунды.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.