Pwrpas

Pwrpas y trawsgrifiadau hyn yw gweithredu fel data hyfforddi ar gyfer modelau adnabod lleferydd, gan gynnwys ein modelau adnabod lleferydd Cymraeg ar Hugging Face. Ar gyfer y diben hwnnw, dewiswyd trawsgrifio’n fwy verbatim nag a welir mewn trawsgrifiadau traddodiadol ac mewn isdeitlau, fel bod y testun yn adlewyrchu’n agosach yr hyn a ddywedwyd mewn gwirionedd. Mae hynny’n caniatáu gwerthuso modelau yn erbyn yr hyn a ddywedwyd, yn hytrach nag yn erbyn fersiwn wedi’i thacluso. Gellir hefyd normaleiddio trawsgrifiad verbatim i arddull lanach yn ddiweddarach, ond ni ellir adfer yr hyn a hepgorwyd o drawsgrifiad glân.

Y Broses o Greu’r Adnodd

Casglwyd y ffeiliau sain yn bennaf o bodlediadau Cymraeg gyda chaniatâd eu perchnogion yn ogystal â’r cyfranwyr unigol. Rydym yn ddiolchgar tu hwnt i’r bobl yna. Yn ogystal, crewyd rhywfaint o sgriptiau ar batrwm eitemau newyddion ac erthyglau a’u darllen gan ymchwilwyr yr Uned Technolegau Iaith er mwyn sicrhau bod cynnwys o’r math hwnnw yn y banc.

Gyrrwyd y ffeiliau sain trwy ein trawsgrifiwr awtomataidd mewnol i segmentu’r sain a chreu trawsgrifiadau amrwd. Defnyddiwyd pecyn trawsgrifio Elan 7.1 (ar gael o https://archive.mpi.nl/tla/elan) a Trawsgrifiwr ill ddau gan drawsgrifwyr profiadol i wrando ar a chywiro’r trawsgrifiad amrwd.

Nodyn Ynghylch Anonymeiddio’r Cynnwys

Er tegwch i’r cyfranwyr, rydyn ni wedi anonymeiddio’r trawsgrifiadau. Penderfynwyd anonymeiddio nid yn unig enwau pobl unigol, ond hefyd unrhyw Wybodaeth Bersonol Adnabyddadwy (PII) gan gynnwys, ond nid yn gyfunedig i:

• Rhif ffôn
• Teitlau swyddi/galwedigaethau
• Gweithleoedd
• Enwau mannau cyhoeddus
• Lleoliad daearyddol
• Dyddiadau/amseroedd

Wrth drawsgrifio marciwyd pob segment oedd yn cynnwys PII gyda’r tag <PII>, yna wnaethom hidlo allan pob segment oedd yn cynnwys tag <PII> er mwyn sicrhau nad oedd unrhyw wybodaeth bersonol yn cael eu cyhoeddi fel rhan o’r adnodd hwn.

Rydym hefyd wedi newid trefn trawsgrifiadau i fod ar hap, felly nid ydynt wedi’u cyhoeddi yn y drefn y maent yn eu ymddangos yn y ffeiliau sain gwreiddiol.

Canllawiau Trawsgrifio

Datblygwyd y canllawiau trawsgrifio hyn er mwyn sicrhau fod y trawsgrifiadau nid yn unig yn verbatim ond hefyd yn gyson. Fe’u datblygwyd trwy gyfeirio at ganllawiau a ddefnyddir gan yr Uned yn y gorffennol, canllawiau eraill megis y rhai a defnyddiwyd yng nghorpora CorCenCC, Siarad, CIG1 a CIG2, a hefyd trwy broses o ddatblygu parhaol wrth i’r tîm ymgymryd â’r dasg o drawsgrifio.

NODWCH – gan ein bod wedi datblygu’r egwyddorion trawsgrifio yn rhannol wrth ymgymryd â’r dasg o drawsgrifio nid yw’r trawsgrifiadau cynnar o reidrwydd yn dilyn yr egwyddorion cant y cant. Bwriadwn wirio’r trawsgrifiadau wedi i ni fireinio’r canllawiau.

Collnodau

Ni ddefnyddiwyd collnodau i marcio pob un llythyren a hepgorwyd gan siaradwyr. Er enghraifft, gwitho (sef ynganiad o gweithio) sy’n gywir, nid gw’ith’o

Yn hytrach, defnyddiwyd collnodau i wahaniaethu rhwng gwahanol eiriau oedd yn cael eu sillafu’r union yr un fath fel arall. Er enghraifft rydym yn defnyddio collnod o flaen ’ma (sef yma) i wahaniaethu rhyngddo â ma’ (sef mae), gor’o’ i wahaniaethu rhwng gorfod a ffurf trydydd person unigol amser dibynnol presennol gori, a pwysa’ i wahaniaethu rhwng ffurf luosog pwys a nifer o ffurfiau berfol posib pwyso.

Fodd bynnag, ceir eithriad i’r rheol hon, a hynny pan fo sillafu gair heb gollnod yn newid sŵn y llythyren cyn neu ar ôl y collnod, ac felly Cymra’g sy’n gywir, nid Cymrag.

Tagiau

Wrth drawsgrifio, defnyddiwyd y tagiau hyn i recordio elfennau oedd y tu hwnt i leferydd yr unigolion:

• <anadlu>
• <anadlu i mewn yn sydyn>
• <aneglur>
• <cerddoriaeth>
• <chwerthin>
• <chwibanu>
• <chwythu allan>
• <clapio>
• <clirio gwddf>
• <crio>
• <cusanu>
• <ochneidio>
• <PII>
• <peswch>
• <sniffian>
• <tros-siarad>
• <twtian>

Rhagwelwn y bydd y rhestr hon yn chwyddo wrth i ni drawsgrifio mwy o leferydd ac wrth i ni daro ar draws mwy o elfennau sydd y tu hwnt i leferydd unigolion.

Rhannu geiriau

Penderfynwyd y dylid ceisio cadw’r rhagenw _i_ fel gair ar wahân. Er enghraifft, dylid rhannu _nesh i_ (ynganiad Gogleddol o _wnes i_) yn hytrach na defnyddio _neshi_ gan ei bod yn glir bod dwy elfen wahanol yma, sef y ferf _gwnes_ a’r rhagenw _i_.

Synau nad ydynt yn eiriol

Ymdrechwyd i drawsgrifio synau nad ydynt yn eiriol yn gyson. Er enghraifft, defnyddiwyd yy bob tro (yn hytrach nag yrr, yr neu err neu gymysgedd o’r rheiny) i gynrychioli neu adlewyrchu’r sŵn a wnaethpwyd pan oedd siaradwr yn ceisio meddwl neu oedi wrth siarad.

Defnyddiwyd y canlynol wrth drawsgrifio:

• yy
• yym
• hmm
• m-hm

Eto, rhagwelwn y bydd y rhestr hon yn chwyddo wrth i ni drawsgrifio mwy o leferydd ac wrth i ni daro ar draws mwy o synau nad ydynt yn eiriol.

Geiriau Saesneg

Rydym wedi amgylchynu bob gair neu ymadrodd Saesneg gyda sêr, er enghraifft:

Dwi’n deall *sort of*.

Cymreigio berfenwau

Pan fo siaradwyr yn defnyddio geiriau Saesneg fel berfenwau (trwy ychwanegu io ar ddiwedd y gair er enghraifft) rydym wedi ymdrechu i sillafu’r gair gan ddefnyddio confensiynau sillafu Cymreig yn hytrach nag ychwanegu io at sillafiad Saesneg o’r gair. Er enghraifft rydym wedi trawsgrifio heitio yn hytrach na hateio, a lyfio yn hytrach na loveio.

Cywiro cam-siarad

I sicrhau ein bod ni’n glynu at egwyddorion trawsgrifio verbatim penderfynwyd na ddylem gywiro cam-siarad neu gam-ynganu siaradwyr. Er enghraifft, yn y frawddeg ganlynol:

enfawr fel y diffyg o fwyd yym efallu cam-drin

mae’n amlwg mai’r gair efallai sydd dan sylw mewn gwirionedd, ond fe’i trawsgrifiwyd fel ei glywir.

Atalnodi

Defnyddiwyd atalnodau llawn, marciau cwestiwn ac ebychnodau pan fo hynny’n briodol wrth drawsgrifio’r lleferydd.

Rydym wedi amgylchynu bob gair neu ymadrodd sydd wedi ei dyfynnu gyda ”, er enghraifft:

Dywedodd hi ”Dwi’n mynd” ond aeth hi ddim.

Nodyn ynghylch ein defnydd o gomas

Gan mai confensiwn ysgrifenedig yw coma yn y bôn, ni ddefnyddiwyd comas cymaint wrth drawsgrifio. Byddai defnyddio coma lle y disgwylir i’w weld mewn testun ysgrifenedig ddim o reidrwydd wedi adlewyrchu lleferydd yr unigolyn. Dylid cadw hynny mewn cof wrth ddarllen y trawsgrifiadau.

Sillafu llythrennau

Sillafwyd llythrennau unigol yn hytrach na thrawsgrifio’r llythrennau unigol yn unig.

Hynny yw, hyn sy’n gywir:

Roedd ganddo ow si di

ac nid:

Roedd ganddo O C D

na chwaith:

Roedd ganddo OCD

Rhifau

Trawsgrifiwyd rhifau fel geiriau yn hytrach na digidau, hynny yw hyn sy’n gywir:

Y flwyddyn dwy fil ac ugain

ac nid:

Y flwyddyn 2020

Gorffen gair ar ei hanner

Marciwyd gair oedd wedi ei orffen ar ei hanner gyda -. Er enghraifft:

Ma’n rhaid i mi ca- cael diod.

Gorffen brawddeg ar ei hanner/ailddechrau brawddeg

Marciwyd brawddeg oedd wedi ei gorffen ar ei hanner gyda .... Er enghraifft:

Ma’n rhaid i mi ca’l… Ma’ rhaid i mi brynu diod.

Siaradwr yn torri ar draws siaradwr arall

Ceir yn y data llawer o enghreifftiau o siaradwr yn torri ar draws y prif leferydd gan ddefnyddio synau nad ydynt yn eiriol, geiriau neu ymadroddion (megis m-hm, ie, ydi, yn union ac ati). Pan oedd y ddau siaradwr i’w clywed yn glir ag ar wahân, rhoddwyd ... ar ddiwedd rhan gyntaf y lleferydd toredig, a ... arall ar ddechrau ail ran y lleferydd toredig, fel yn yr enghraifft ganlynol:

Ond y peth yw… M-hm. …mae’r ddau yn wir

Pan nad oedd y ddau siaradwyr i’w clywed yn glir ag ar wahân, fe hepgorwyd y lleferydd o’r data.

NODER pan roedd ail ran y lleferydd toredig yn ymddangos ar ddechrau’r segment, penderfynwyd cyfuno’r segmentau neu ddefnyddio ### yn lle … ar ddechrau’r ail ran, a hynny am resymau technegol.

Geiriau penodol

Er mai glynu at egwyddorion verbatim yw’r peth pwysicaf wrth drawsgrifio, mae’n bwysig hefyd, fel y soniwyd uchod, ein bod yn anelu at fod yn gyson, gan gynnwys o ran sillafu rhai geirffurfiau. Penderfynwyd, felly, darparu rhestr o eirffurfiau y dylid glynu atynt wrth drawsgrifio, ynghyd â’r ffurfiau y dylid eu hosgoi. Er enghraifft, penderfynwyd trawsgrifio swn NID ‘swn (pan oedd yr ystyr yn dalfyriad o byswn)

Rhegfeydd

Dylid nodi ein bod ni heb hepgor rhegfeydd wrth drawsgrifio.

Y Dyfodol

Caiff y banc ei ehangu’n rheolaidd â thrawsgrifiadau newydd. Bwriadwn hefyd barhau i fireinio a chysoni’r trawsgrifiadau presennol wrth i’r confensiynau ddatblygu.

Diolchiadau

Diolchwn i’r cyfrannwyr am eu caniatâd i ddefnyddio’u lleferydd. Rydym hefyd yn ddiolchgar i Lywodraeth Cymru am ariannu’r gwaith hwn fel rhan o broject Technoleg Testun, Lleferydd a Chyfieithu ar gyfer yr Iaith Gymraeg.