KI für Schweizer Dialektforschung

Das Linguistik Zentrum Zürich der Universität Zürich (UZH) untersucht gemeinsam mit der ZHAW School of Engineering, ob Künstliche Intelligenz Stimmen erzeugen kann, die nicht nur einer groben Region wie Bern oder Zürich zugeordnet werden, sondern bestimmten Ortschaften. Das dreijährige Projekt trägt den Namen „Synthetic Dialectology of Swiss German“ und verbindet KI-Forschung mit Dialektologie. Es wird vom Schweizerischen Nationalfonds gefördert.

Im Zentrum steht die Frage, wie synthetische Sprachdaten für die Erforschung Schweizer Dialekte eingesetzt werden können. Jan Milan Deriu, CO-Projektleiter von der ZHAW, beschreibt das Ziel als „synthetische Dialektologie“: Wissen aus der Dialektologie soll genutzt werden, um Sprachmodelle zu verbessern. Umgekehrt sollen synthetische Daten dabei helfen, Fragen der Dialektologie zu beantworten.

Das Linguistik Zentrum Zürich baut im Projekt gemeinsam mit der ZHAW eine Grundlage für die Erzeugung künstlicher Schweizerdeutsch-Stimmen auf. Zu Beginn sammelt das Team Sprachaufnahmen von jeweils drei Personen aus 85 Ortschaften in der Deutschschweiz. Die Suche nach geeigneten Personen und die Datenerhebung im phonetischen Labor der Universität Zürich sollen eineinhalb Jahre dauern.

Die Aufnahmen dienen dazu, lokale sprachliche Varianten zu untersuchen und ein Modell für synthetische Stimmen aufzubauen. Das Projekt richtet sich damit nicht nur auf die Darstellung bereits bekannter regionaler Dialekte, sondern auf eine detailliertere geografische Unterscheidung bis hin zu einzelnen Ortschaften.

Parallel zur Datenerhebung entsteht ein eigenes Voice-Cloning-Modell. Nach Projektbeschreibung soll es bekannte lokale Dialekte abbilden und auch Varianten erzeugen können, die in den erhobenen Daten nicht direkt vorkommen. Damit werden synthetische Sprachdaten nicht nur als technische Nachbildung vorhandener Aufnahmen eingesetzt, sondern auch als Gegenstand der dialektologischen Untersuchung.

Zur Evaluation sind Hörstudien vorgesehen. Dabei soll untersucht werden, wie Laien und Fachleute natürliche und künstliche Aufnahmen wahrnehmen und geografisch einordnen. Die Studien sollen somit zeigen, wie gut die erzeugten Stimmen lokal wahrgenommen und bestimmten Orten zugeordnet werden.

Zum im Quellenauszug beschriebenen Zeitpunkt befindet sich das Projekt in der Aufbauphase. Als konkrete Arbeitsschritte sind die Sammlung der Sprachaufnahmen, die Entwicklung des Voice-Cloning-Modells und die geplanten Hörstudien genannt. Ein abschließendes Ergebnis zur Qualität oder zur geografischen Genauigkeit der synthetischen Stimmen wird im Material nicht berichtet.

Das Projekt verknüpft einen Forschungseinsatz von KI mit der klassischen Datenerhebung in der Dialektologie. Die synthetischen Stimmen sollen sowohl zur Verbesserung von Sprachmodellen als auch zur Beantwortung dialektologischer Fragen dienen. Als mögliche spätere Anwendungsfelder werden regional angepasste Werbespots, Callcenter-Stimmen, Sprachassistenten und Robotik genannt. Zudem liegen laut Projektmitteilung bereits Anfragen von Unternehmen vor, die synthetische Schweizer Stimmen einsetzen möchten.