English
Adding the short-vowel marks Arabic normally omits, so a written word has one reading instead of several. It is a prerequisite for reliable Arabic speech synthesis and a persistent source of ambiguity for text models.
Written Arabic omits short vowels, so a single spelling can correspond to several different words distinguished only by pronunciation and context. Humans disambiguate effortlessly; a model must infer the missing information, and errors there propagate into translation, search, and especially speech. Diacritization is the task of restoring those marks, and it is one of the clearest cases where a technique developed for English transfers badly, because English has no equivalent gap.
The speech model needs diacritization before it can pronounce the sentence correctly.
العربية
إضافة علامات الحركات القصيرة التي تُحذف عادةً من الكتابة العربية، ليصير للكلمة قراءةٌ واحدة بدل عدة قراءات. وهو شرطٌ لازم لتوليد الكلام العربي الموثوق، ومصدرٌ دائم للالتباس أمام النماذج النصية.
تُحذف الحركات القصيرة من الكتابة العربية، فيغدو الرسم الواحد محتملاً لعدة كلماتٍ لا يفرّق بينها إلا النطق والسياق. والإنسان يزيل هذا اللبس بلا جهد، أما النموذج فعليه أن يستنتج المعلومة الغائبة، وأخطاؤه هناك تنتقل إلى الترجمة والبحث وإلى توليد الكلام خاصةً. والتشكيل هو مهمة استعادة تلك العلامات، وهو من أوضح المواضع التي تنتقل فيها تقنيةٌ طُوِّرت للإنجليزية انتقالاً سيئاً، إذ لا نظير لهذه الفجوة في الإنجليزية.
يحتاج نموذج الكلام إلى التشكيل قبل أن ينطق الجملة نطقاً صحيحاً.
يُعرف أيضاً بـ
- vowelization
- vocalization
- التشكيل الآلي
- الحركات
يُكتب أيضاً هكذا، ولا نوصي به
- التنقيط
لمَ هذه الصيغة: «التنقيط» يخص النقاط التي تميّز الباء من التاء، وهي مسألةٌ إملائيةٌ أخرى بالكلية.