kalpesh77/marathi-phonology-matrices

मराठी व्याकरण आणि ध्वनी मॅट्रिक्स

Marathi Phonology Matrices

गणितीय ध्वनी संश्लेषणासाठी (Mathematical Speech Synthesis) तयार केलेला सर्वसमावेशक मराठी फोनोलॉजी डेटासेट.

---

🎯 उद्देश्य

हा डेटासेट मराठी भाषेच्या:

• फोनोलॉजिकल विश्लेषण
• मॉर्फोलॉजी (लिंग, वचन, काळ)
• संधि व श्व नियम
• युक्तक्षर (Clusters)
• Duration & Pitch नियम
• Loanword adaptation

या सर्वांसाठी संरचित डेटा पुरवतो. TTS, ASR, G2P आणि Computational Linguistics संशोधनासाठी उपयुक्त.

---

📊 डेटासेट संरचना

Config	वर्णन	अंदाजे Rows
vowels	स्वर + Formant Frequencies (F0-F3)	13
consonants	व्यंजने + Articulation Features	37
barakhadi	बाराखडी मॅट्रिक्स (C+V → CV)	300
morphology_clean	लिंग + वचन + काळ रूपे (स्वच्छ)	~2560
sandhi_rules / sandhi_rules_v2	संधि नियम	100+
schwa_rules	Schwa Deletion नियम	50+
clusters / clusters_v2	युक्तक्षर + उदाहरणे	100+
minimal_pairs / minimal_pairs_v2	ध्वनीभेद + समानार्थी फरक	100+
duration_rules	उच्चार कालावधी नियम	50+
pitch_rules	Pitch / Intonation नियम	20+
loanword_rules	इंग्रजी/इतर भाषांतील शब्द रूपांतर	50+

---

🚀 वापर (Usage)

from datasets import load_dataset

# संपूर्ण डेटासेट लोड करा
ds = load_dataset("kalpesh77/marathi-phonology-matrices")

# विशिष्ट config लोड करा
morph = load_dataset("kalpesh77/marathi-phonology-matrices", "morphology_clean")
sandhi = load_dataset("kalpesh77/marathi-phonology-matrices", "sandhi_rules")
clusters = load_dataset("kalpesh77/marathi-phonology-matrices", "clusters")

# उदाहरण
print(morph["train"][0])
print(sandhi["train"][0])

---

🔬 मुख्य वैशिष्ट्ये

Morphology: पुल्लिंगी / स्त्रीलिंगी, एकवचन / अनेकवचन, वर्तमान / भूत / भविष्यकाळ Sandhi & Schwa: मराठी उच्चारातील महत्त्वाचे नियम Clusters: क्त, त्र, ज्ञ, क्ष, प्र इ. युक्तक्षरांची माहिती Minimal Pairs: ध्वनीभेद आणि समानार्थी शब्दांमधील फरक Acoustic Features: Duration, Pitch, Formants Loanwords: इंग्रजी शब्दांचे मराठी रूपांतर

---

🏗️ Pipeline

टप्पा १: व्याकरण मॅट्रिक्स ✅ टप्पा २: Morphology + Sandhi + Schwa ✅ टप्पा ३: Clusters + Minimal Pairs ✅ टप्पा ४: Duration + Pitch + Loanwords ✅ टप्पा ५: गणितीय TTS इंजिन 🔄 (In Progress)

📜 लायसन्स

Apache-2.0 — मुक्त वापर, बदल आणि पुनर्वितरण करता येईल.

👤 तयार केलेले

kalpesh77 Vedic Neural Geometry Project "मराठी ते गणितीय ध्वनी संश्लेषण — संपूर्ण आराखडा"