turkce-uslup

English: Detects the genre of a Turkish text (news, informative, instructions/announcement, essay, narrative, fairy tale, conversation) and suggests reading settings for TTS: speed, pitch range, pause between sentences and after commas. Ships with a 1.3 MB TF-IDF model (numpy only, works offline); an optional fine-tuned BERTurk model is downloaded from Hugging Face.

Türkçe metnin üslubunu bulur ve seslendirme için okuma ayarı önerir: hız, tonlama genişliği, cümle arası duraklama, virgül duraklaması. Bağımlılığı yalnız numpy, model 1,3 MB, yanıtı anlıktır.

from turkce_uslup import uslup, okuma_ayari

r = uslup("Bir varmış bir yokmuş, evvel zaman içinde küçük bir köyde yaşlı bir değirmenci yaşarmış.")
r.uslup      # 'masal'
r.ayar       # Okuma(hiz=0.88, tonlama=1.3, duraklama_ms=700, virgul_ms=100)

okuma_ayari("haber", hiz=1.2)     # stüdyoda değiştirilen ayar: üslubun geri kalanı korunur

Neden

Aynı nötr cümle üsluba göre başka okunur. Haber tempolu ve düz okunur. Masal yavaş, hareketli ve duraklamalı okunur. Sohbet rahat ve hızlı akar. Duygu (neşeli, üzgün…) cümlenin tonudur; üslup ise metnin bütününün türüdür. İkisi birbirinden ayrı ayarlanmalıdır. Duygu için kardeş proje turkce-duygu'ya bakın.

Üsluplar ve okuma ayarları

Ayarların anlamı:

• hız: 1 = sesin doğal hızı.
• tonlama: perdenin ortalama etrafındaki dalgalanmasının çarpanı. 1 doğal, büyükse daha hareketli.
• duraklama: cümleler arası sessizlik.
• virgül: virgülde eklenen sessizlik.

Değerler genel okuma pratiğine dayanan başlangıç değerleridir, ölçülmüş Türkçe normlar değildir. Kulakla ayarlanır ve her biri okuma_ayari(..., alan=değer) ile değiştirilebilir.

Nasıl çalışır

1. Kurallar. Masal tekerlemeleri: "bir varmış bir yokmuş" (TDK, "bir masala başlarken … söylenen bir tekerleme"), "evvel zaman içinde", "kalbur saman içinde", "onlar ermiş muradına". Duyuru kalıpları: "sayın yolcularımız", "değerli müşterilerimiz", "dikkatinize sunarız". Yönerge dizileri: tarif, kılavuz ve yönergeler kibar emir kipiyle yazılır (-(y)In, -(y)InIz; Göksel & Kerslake §21.4.4.2). En az iki cümle bu kiple bitiyorsa ya da bir cümle sıra sözüyle ("önce", "ardından", "son olarak") başlayıp bu kiple bitiyorsa talimat sayılır. Kişi ekleri (yanılıyor-sunuz, yap-tınız) ve konuşmadaki ünlemli buyruklar ("Bekleyin!") hariç tutulur. Bu kural doğrulama ve sınav kümelerinde doğruluğu değiştirmedi; modelin talimatta zayıf kaldığı gerçek yönergeleri yakalar.
2. Model. İki model var; varsayilan() BERTurk varsa onu, yoksa TF-IDF'i kullanır (TURKCE_USLUP_MOTOR=tfidf ile TF-IDF'e zorlanır). Metnin üslubu, cümlelerin log-olasılıklarının ortalamasıdır.
   • BERTurk (dbmdz/bert-base-turkish-cased) ince ayarı, ONNX olarak (model/bert_onnx, 443 MB, cümle başına ~10–25 ms). ONNX ↔ PyTorch en büyük olasılık farkı 5·10⁻⁶. int8 sıkıştırma doğrulamada 0,5 puan kaybettirdiği için fp32. Gerekenler: onnxruntime, tokenizers.
   • TF-IDF (karakter 2-5 gram, sözcük, noktalama) + çok sınıflı lojistik regresyon (model/uslup.npz). Çalışma anında yalnız numpy; sklearn çıktısıyla birebir aynı (en büyük olasılık farkı 4·10⁻⁷). Hafif yedek.

Doğruluk

Sınav kümesinde ölçüldü (1.604 cümle; eğitimde ve ayar seçiminde kullanılmadı).

İkisinin birleşimi (log-olasılık ortalaması) BERTurk'ten anlamlı ölçüde iyi değil (tek cümle %68,6). Kaynak kaynak sonuçlar degerlendirme/bert_sonuc.json dosyasında.

"Metin": aynı üsluptan rastgele seçilen k cümle. Veride gerçek paragraf yoktur.

Sınırlar:

• Kaynak etkisi. "bilgi" üslubunda Vikipedi cümleleri %99 (TF-IDF %89) doğru bulunur, BOUN biyografileri yalnız %37 (TF-IDF %23). Model türün yanında kaynağın yazım tarzını da öğreniyor.
• Talimat verisi tek kaynaklı. Eğitimdeki talimat cümleleri BOUN'un "ins" türünden; gündelik tarif ve kullanım yönergelerini model çoğu zaman "deneme" sanıyor. Bu yüzden kural eklendi (yukarıda).
• Benzer türler karışır. Gazete haberi, deneme ve biyografi birbirine benzer yazı dilleridir.
• Tek cümle güvenilir değildir. Kısa metinlerde stüdyoda elle seçim önerilir.
• Kurallar yalnız açık kalıpları tanır. Tekerlemesiz bir masal model tarafından "anlatı" olarak bulunur.

Yeniden eğitmek

pip install turkce-uslup[egitim]
python egit/veri.py         # kaynaklar sabit sürümlerden; MD5'e göre bölme
python egit/egit.py         # TF-IDF: birkaç dakika, işlemcide
python degerlendirme/olc.py
python egit/egit_bert.py    # BERTurk: GPU'da birkaç dakika (RTX 3050'de ~6 dk), işlemcide saatler
python egit/aktar_bert.py   # ONNX + eşdeğerlik kapısı → model/bert_onnx

Lisans

Kod MIT (LICENSE). Modeller (model/uslup.npz, model/bert_onnx) UD Turkish-BOUN ve Vikipedi türevi olduğu için CC BY-SA 4.0; BERTurk başlangıç modeli MIT; XED (CC BY 4.0) ve Common Voice (CC0) atıfları yukarıda.

Kardeş projeler: turkce-duygu, turkce-vurgu, turkce-normalize, turkce-plbert, turkce-tts-sinav.