Языки народов России и нейросети: как технологии помогают их сохранять

сегодня в 13:12

Фото - © Николай Винокуров / Фотобанк Лори

8 сентября в России отмечают День языков народов России. Дата не случайная: в стране официально насчитывается больше 150 языков, и часть из них лингвисты относят к исчезающим — на них почти не говорят молодые, их не встретишь в интернете, а значит, дети попросту не видят, что на этом языке можно писать посты, снимать видео или переписываться с друзьями. Последние пару лет ситуацию пытаются менять с помощью технологий: языки народов России добавляют в переводчики, нейросети и сервисы для перевода видео.

В материале РИАМО разбираемся, что уже сделано и как это работает.

Почему языки народов России нуждаются в цифровой поддержке

Фото - © Виктория Тельминова / Фотобанк Лори

Языки исчезают не одномоментно. Обычно сценарий такой: сначала язык вытесняют из школы, работы и общественных мест, оставляя только в быту. Затем постепенно родители перестают обучать этому языку своих детей, отдавая предпочтение более «доминирующему» языку в стране. Но даже если ребенок слышит родной язык дома, но не встречает его больше нигде — ни в мультфильме, ни в игре, ни в переводчике на экране, — довольно быстро считывает: этот язык «ненастоящий», для повседневной жизни не годится.

Отсюда логика последних инициатив: если язык появляется там, где обычно живут, например, русский и английский — в переводчиках, нейросетях, видео с озвучкой, — он перестает восприниматься как музейный экспонат. Причем эффект здесь не только символический: перевод документов, голосовой поиск, субтитры и озвучка — это конкретные, повседневные сценарии использования языка, которых у многих народов России до последнего времени просто не было в цифровом виде.

Как Яндекс Переводчик учится переводить редкие языки

Фото - © РИАМО

Самое заметное изменение — в Яндекс Переводчике. Дом народов России, «Яндекс» и регионы совместно добавили в сервис 14 новых языков народов России: осетинский, тувинский, коми, мокшанский, эрзянский, кабардино-черкесский, карачаево-балкарский, бурятский, абазинский, ногайский, мансийский, хакасский, чеченский и адыгейский.

Важно понимать: «добавить язык в переводчик» — это не разовое включение тумблера. Машинному переводу нужен корпус — большой массив параллельных текстов на двух языках, по которому модель учится сопоставлять слова, конструкции и смыслы. Для языков с миллионами носителей и десятилетиями цифровых текстов (как английский или русский) корпуса огромны. Для многих языков народов России текстов в электронном виде исторически было мало — их приходится собирать, размечать и проверять почти вручную, вместе с носителями и лингвистами.

Именно поэтому работа шла не только «вширь» (новые языки), но и «вглубь» — над качеством уже добавленных. Для башкирского, марийского, чувашского, удмуртского и якутского в Переводчик добавили технологии синтеза и распознавания речи: сервис научился не только переводить текст, но и озвучивать его, а также понимать язык на слух. Для марийского и удмуртского отдельно улучшили качество самого перевода.

На этом развитие не остановится. До конца 2026 года в Яндекс Переводчике должны появиться еще семь языков — карельский, алтайский, татский (джуури), лезгинский, чукотский, эскимосский и ингушский, — а синтез и распознавание речи добавят для бурятского и кабардино-черкесского. Параллельно ведется подготовительная работа — сбор и разметка текстовых корпусов — по коми-пермяцкому, вепсскому, ненецкому (лесному и тундровому), хантыйскому, калмыцкому, крымскотатарскому, рутульскому, агульскому, цахурскому, кумыкскому, даргинскому, табасаранскому и аварскому языкам. Это самый долгий и незаметный этап: пока корпус не готов, ни перевод, ни распознавание речи для языка запустить нельзя.

На каких языках народов России работает GigaChat

Фото - © Александр Кряжев/РИА Новости

Параллельно с переводчиками цифровизацией занялись и генеративные нейросети. В апреле 2026 года по итогам совместной работы Дома народов России, Сбербанка и регионов GigaChat научился понимать и генерировать текст на 18 языках народов России: татарском, башкирском, чувашском, удмуртском, якутском, бурятском, осетинском, чеченском, карачаево-балкарском, коми, эрзянском, марийском, крымскотатарском, кабардино-черкесском, ингушском, мокшанском, калмыцком и аварском.

Для языковой модели это задача сложнее, чем для переводчика. Переводчику достаточно сопоставить фразу с фразой. Генеративной нейросети нужно «выучить» грамматику языка настолько хорошо, чтобы самостоятельно строить связный текст, — а для языков с небольшим объемом оцифрованных текстов это одна из главных технических сложностей: модели попросту не хватает данных, чтобы уверенно обобщать закономерности языка.

Как нейросети распознают и синтезируют речь на языках народов России

Фото - © Sergey Grishin / Фотобанк Лори

Оба этих термина в материалах о языках встречаются часто, но означают разные вещи.

Распознавание речи — это когда система слушает голос и превращает его в текст. Модель обучается на парах «аудиозапись — точная текстовая расшифровка»: чем больше таких пар для конкретного языка, тем точнее распознавание, особенно с учетом диалектов и акцентов.

Синтез речи — обратная задача: превратить текст в звучащую речь, причем с правильной интонацией, ударениями и естественным темпом, а не «роботизированным» монотонным голосом.

Для языков народов России обе задачи осложняются тем же, чем и машинный перевод, — нехваткой размеченных данных. Мало просто записать носителя: нужны часы качественной, транскрибированной речи, а для языков с несколькими диалектами — еще и разметка диалектных особенностей. Именно поэтому в графике Яндекс Переводчика синтез и распознавание речи для многих языков идут отдельным пунктом и часто позже, чем базовый перевод текста.

EthnoTech: как работает перевод видео на языки народов России

Еще один инструмент — платформа «Этнотех» (EthnoTech), расширение для браузера, которое переводит голосовую дорожку видео на языки народов России и стран СНГ прямо во время просмотра. Дублирование выполняется с помощью технологии клонирования голоса на основе искусственного интеллекта — то есть озвучка максимально приближена к оригинальной интонации и тембру, а не заменяется на нейтральный «дикторский» голос.

Демо-версия сервиса уже работает для 12 языков: адыгейского, башкирского, водского, даргинского, кабардино-черкесского, марийского, мокшанского, осетинского, татарского, чувашского, эрзянского и якутского.

По сути, «Этнотех» — сразу и переводчик, и языковой тренажер: человек смотрит привычный контент — сериал, лекцию, ролик на YouTube, — но на родном языке, и параллельно, слыша оригинал и перевод, тренирует восприятие речи на слух. Для языков с небольшим количеством учебных материалов это может быть чуть ли не единственный способ регулярно слышать «живую», не выученную по учебнику, речь.

Какие еще технологии помогают сохранять языки народов России

Цифровизация языков не сводится к переводчикам и чат-ботам — вокруг темы есть еще несколько важных инициатив:

Домены .рф. С 2025 года в национальной доменной зоне .РФ можно регистрировать домены с использованием символов 18 государственных языков республик России — от абазинского и башкирского до чувашского и якутского. Работу ведет АНО «Координационный центр национального домена сети Интернет».
Шрифты PT Astra. Компания «ПараТайп» разработала многоязычную шрифтовую систему PT Astra Serif / Sans / Fact с поддержкой более 150 языков народов России и открытой пользовательской лицензией. PT Astra Serif — полноценная замена Times New Roman в документах и на сайтах, но с поддержкой национальных алфавитов и диакритики.
«Библиография единства народов». Российская национальная библиотека собрала цифровой ресурс с описаниями более 5 000 000 изданий на языках народов России — включая книжные памятники и библиографические редкости, изданные как в России, так и за рубежом.

Каждая из этих инициатив по отдельности выглядит скромно, но вместе они решают одну и ту же задачу: чтобы человек, который хочет писать, читать или искать что-то на родном языке, мог сделать это в любой обычной цифровой ситуации — от регистрации сайта до чтения книги в библиотеке.

Можно ли сохранить язык с помощью нейросетей

Кандидат филологических наук, научный сотрудник Института русского языка им. В. В. Виноградова РАН Алина Алексеева в беседе с РИАМО рассказала, что сейчас делается много всего для сохранения языкового многообразия нашей необъятной страны. «Языки народов России чрезвычайно разнообразны: они относятся к пятнадцати языковым семьям, генетическим языковым объединениям. По счастью, в последние годы языки привлекают интерес исследователей, преподавателей и студентов — так, к примеру, в Школе лингвистики НИУ ВШЭ ведутся курсы по изучению языкового разнообразия России и ближнего зарубежья. Особенно важно, на мой взгляд, уделять внимание малым языкам России, число носителей которых зачастую сокращается, — в этом случае поддержка со стороны нейросетей очень полезна».

Однако эксперт отмечает, что одними лишь нейросетями сохранить язык невозможно. «Не надо забывать, что искусственный интеллект может ошибаться и генерировать неверные правила, а также не отражает эмоции, из-за чего страдает понимание интонации. Поэтому изучение языка с носителем до сих пор остается наиболее актуальным способом передачи языка», — заключает Алексеева.