Silero-stress: большой релиз библиотеки ударений для русского языка

Что произошло, почему это важно и что взять в работу.

Надёжная расстановка ударений в русском тексте улучшает качество TTS, голосовых ассистентов и генерации контента, убирая абсурдные ошибки вроде «Одина» вместо «один».

Связанные услуги: каталог, AI Boost Team, стать клиентом.

Русский текст, который озвучивает машина, ломается на мелочах. Не на грамматике, не на длинных предложениях. На ударении. И самое обидное — ломается там, где человек даже не задумывается.

Команда Silero выкатила большой релиз библиотеки silero-stress — той самой, что расставляет ударения в русских словах. Формально это апдейт инструмента. По факту — попытка закрыть целый класс ошибок, из-за которых синтез речи и голосовые ассистенты до сих пор звучат как иностранцы, выучившие русский по словарю.

Что вообще происходит с ударениями в машине

Русский язык — один из тех, где ударение свободное и подвижное. Оно не привязано к позиции слога, не помечается в обычном письме. Человек вытаскивает его из контекста и памяти. Машина — из статистики.

Библиотека silero-stress работает именно так: разводит омографы вслепую, не понимая смысла фразы. ЗАмок и замОк, Уже и ужЕ — человек различает по контексту не задумываясь, а модели остаётся угадывать по вероятностям. Таких пар в русском около 30 тысяч. С большинством система справляется нормально: частотный вариант побеждает, и текст звучит правильно.

Проблема не в большинстве. Проблема в хвосте.

Где статистика подводит

Есть слова, у которых один вариант почти вытеснил другой. Числительное «один» — и скандинавский бог Один. В обычной речи бог встречается на порядки реже, чем числительное. Модель это «знает» и тянет ударение туда, где чаще.

А потом на длинном тексте случается сбой. Обычное «одИн» превращается в «Одина», и доверие к результату сыплется мгновенно. Одна такая ошибка перекрывает сотню правильных ударений — читатель или слушатель цепляется именно за неё.

На длинном тексте модель нет-нет да и превратит обычное «одИн» в бога Одина, и доверие к результату сыплется мгновенно.

Это не единичная причуда. Это целый класс слов, где редкий вариант тонет на фоне частого. И релиз посвящён именно тому, чтобы вытащить эти тонущие варианты на поверхность.

Почему это касается не только лингвистов

Если вы делаете голосового ассистента, озвучку курсов, аудиоверсию статей, IVR для колл-центра или просто генерируете текст через LLM — вы уже стоите на этом фундаменте. Ударение — последняя миля между «звучит нормально» и «звучит стыдно».

Разберём, где именно болит у бизнеса.

• TTS и озвучка. Робот, который говорит «Один» вместо «один», мгновенно выдаёт свою природу. Для обучающих платформ, подкастов, аудиокниг это брак, который слышно.
• Голосовые ассистенты и боты. Ошибка в ударении ломает восприятие ответа. Клиент не разбирается, что там с моделью — он просто решает, что бот тупой.
• Генерация контента. Если текст потом уходит в озвучку или в диктора, ошибки простановки ударений тиражируются на весь объём.
• Внутренние пайплайны. Чем больше автоматики, тем дороже ручная вычитка. Библиотека, которая реже ошибается, экономит часы редакторов.

Никто из этих сценариев не про красоту языка. Все про деньги и репутацию.

Что было до и что меняет релиз

До этого инструменты простановки ударений жили по простой логике: чем чаще вариант встречается в корпусе, тем он вероятнее. Для 95% слов это работает. Для оставшихся — нет, и именно эти проценты вылезают в проде.

Релиз silero-stress бьёт по перекосам: там, где редкий вариант почти вытеснен частым, система должна перестать слепо доверять статистике. Это не «понимание смысла» — библиотека по-прежнему не читает фразу как человек. Это работа с дисбалансом частот, из-за которого редкое правильное ударение проигрывает частому неправильному.

Практический эффект простой: меньше абсурдных ошибок на длинных текстах. А значит — меньше поводов переделывать озвучку руками.

Что взять в работу

1. Прогоните свой текущий корпус через обновлённую библиотеку. Особенно места, где раньше ловили странные ударения — имена, числительные, короткие слова с двойниками.
2. Заведите список «болевых» слов именно вашего домена. Общий релиз не знает, что в вашем продукте «Один» — это всегда числительное.
3. Не ждите нуля ошибок. Любая статистическая модель ошибается. Вопрос в том, сколько таких ошибок вы готовы пропустить до публикации.
4. Если озвучка идёт в релиз — оставьте ручную вычитку хотя бы на финальном этапе. Библиотека снижает нагрузку, но не отменяет её.

Вердикт

Релиз закрывает реальную, а не выдуманную боль. Ошибки на омографах с перекосом частот — это тот тип багов, который дешевле предотвратить, чем потом объяснять клиенту, почему бот назвал число скандинавским богом.

Но не обольщайтесь. Библиотека по-прежнему угадывает по статистике и не понимает фразу. Она стала аккуратнее на сложных случаях — и это уже много. Ждать от неё человеческого чутья к языку не стоит. Проверяйте на своих текстах, а не на демо.