⚡️ Коротко о главном:
- В Греции собирают аудиоархив живой речи носителей пяти редких наречий, включая наследника языка древней Спарты и средневековые диалекты переселенцев с Индийского субконтинента.
- Проект призван спасти устные традиции от цифрового забвения, ведь современные нейросети обучаются лишь на малой доле из семи тысяч мировых языков и попросту не знают то, чего нет в сети.
- Расшифрованные сказки и рассказы помогут обучить алгоритмы сопоставлять звучание редких слов с текстом.
Из примерно 7000 языков мира лишь немногие представлены в данных, на которых обучают языковые модели ИИ. В Греции исследователи начали записывать цаконский, понтийский и каппадокийский греческий, арванитику и местные разновидности романи, пока на них ещё говорят. Записи собирают, чтобы в будущем эти языки и диалекты могли понимать и языковые модели.
Связь с Грецией у каждого языка своя. Цаконский сохранился на Пелопоннесе, понтийский и каппадокийский привезли переселенцы из Малой Азии, а на арванитике и местных разновидностях романи в Греции говорят со Средних веков.
Цаконский восходит к дорийской речи древней Лаконии, области вокруг Спарты. Первую известную запись современного цаконского относят к XVII веку, а сегодня его ещё можно услышать в нескольких населенных пунктах на востоке Пелопоннеса, в том числе в Леонидио. Говорят на нем в основном пожилые люди.
Понтийский греческий сложился в византийскую эпоху на южном берегу Черного моря, в районе нынешнего Трабзона. В начале 1920-х многие его носители переселились в Грецию, где на нем говорят и сегодня.
Примерно тогда же в Грецию привезли и каппадокийский греческий, который сформировался в Средние века в центральной части нынешней Турции и столетиями развивался под влиянием турецкого. По данным исследования 2026 года, в Греции остались носители двух его разновидностей, на которых прежде говорили в каппадокийских селениях Мисти и Аксо.
Арванитику, разновидность южного албанского, принесли переселенцы, которые начали селиться в центральной и южной Греции в XIII веке. На ней до сих пор говорят, хотя в таких областях, как Аттика и Беотия, её постепенно вытесняет греческий.
А романи, язык цыганских общин Греции, относится к индоарийской группе. Его носители пришли в византийский мир с Индийского субконтинента, и уже примерно в X–XII веках романи начал меняться под влиянием греческого. Сегодня его местные разновидности можно услышать, например, во Фракии.
Как говорят лингвисты, смерть языка или диалекта — это не естественный процесс, а политический и исторический. Языки умирают, и в эпоху ИИ этот процесс приобретает новое измерение — всё, чего нет в цифровых данных, не существует и для языковых моделей.
Участники Lingua начали с живой речи. Архив Istorima собирает рассказы на цаконском, понтийском, каппадокийском и арванитике, а другой проект записывает сказки и устные истории на романи. От региона к региону романи звучит по-разному, поэтому записи собирают в нескольких общинах.
Когда их сопроводят расшифровками, исследователи смогут использовать записи, чтобы научить ИИ связывать звучание слов с текстом. Тогда новый рассказ на редком диалекте можно будет автоматически переводить, а нужное слово найти в архиве и услышать, как оно звучит в живой речи.


