Перевод статьи A Deep Neural Network-Based Automatic Mispronunciation Detection in Bengali Accented English Speech из журнала Discover Computing (2026), т. 29, ст. 71 с английского языка на русский с переводческим комментарием

1. Ключевые слова

Автоматическое определение неправильного произношения, компьютерное обучение произношению (CAPT), глубокие нейронные сети, перевод научно-технического текста, перевод терминов и аббревиатур, перевод атрибутивных словосочетаний, безэквивалентная лексика, переводческие трансформации, языки для специальных целей (ЯСЦ), акцентированная речь.

2. Структура работы

В разделе «Общая переводоведческая характеристика текста» была определена стилистическая принадлежность текста, его жанровые особенности, состав и плотность информации, а также коммуникативная цель. Далее в разделе «Стратегия перевода и основные переводческие трудности» сформулирована стратегия перевода и выделены основные группы переводческих трудностей, характерных для данного научно-технического текста. В разделе «Переводческие решения» подробно рассматриваются отобранные примеры с анализом конкретных переводческих решений, включая перевод терминов и аббревиатур, перевод атрибутивных словосочетаний, передача безэквивалентной лексики и грамматические трансформации. В заключении подводятся итоги проведенного анализа и формулируются практические рекомендации.

3. Актуальность темы

Актуальность настоящей работы обусловлена стремительным развитием технологий искусственного интеллекта, машинного обучения и компьютерной обработки речи, вследствие чего количество англоязычных научных публикаций в данной области неуклонно возрастает, а их русскоязычных переводов, по-прежнему, недостаточно. Перевод подобных текстов необходим для обеспечения доступности актуальных зарубежных исследований русскоязычному научному и профессиональному сообществу. Более того, рассматриваемые переводческие трудности (передача высокоспециализированной терминологии, аббревиатур, многокомпонентных атрибутивных сочетаний и безэквивалентной лексики) свойственны широкому кругу научно-технических текстов в области ИТ и лингвистики, что придает результатам работы практическую ценность, выходящую за пределы конкретного переводимого текста.

4. Перечисление методов исследования

Переводоведческий комментарий составлен на основе перевода, выполненного автором работы в ходе подготовки выпускной квалификационной работы. В процессе исследования применялись следующие методы: сравнительный анализ текстов оригинала и перевода, метод переводческого комментария, лингвистическое описание, классификация переводческих трудностей по типу и количественный подсчет.

5. Основные выводы, заключение и рекомендации

В ходе работы над переводом были сделаны следующие основные выводы.

Относительно перевода терминов и аббревиатур: в первую очередь, необходимо проверить наличие официально закрепленного соответствия в специальных научно-технических словарях. Если устоявшийся перевод отсутствует, следует изучить предметную область и осуществить перевод самостоятельно. При переводе частотных аббревиатур (AMD, CAPT, ASR, CTC, GOP) рекомендуется при первом употреблении давать полную расшифровку на русском языке с сохранением английской аббревиатуры в скобках, если она закрепилась в русскоязычной профессиональной литературе.

В части перевода атрибутивных словосочетаний: необходимо установить границы атрибутивной цепочки, определить опорное слово и осуществлять перевод справа налево, анализируя смысловые связи между компонентами. При большом числе элементов рекомендуется разбивать цепочку на смысловые группы.

Относительно передачи безэквивалентной лексики и неологизмов: термины, не зафиксированные в словарях (branchformer, wav2vec2.0, cgMLP), передаются методом транслитерации или транскрипции с обязательным пояснением в сноске при первом употреблении.

Применительно к грамматическим трансформациям: высокая плотность пассивных конструкций и номинализаций в английском научном тексте систематически требует их замены на активный залог и глагольные конструкции в соответствии с нормами русского научного стиля; длинные сложноподчиненные предложения нередко требуют членения на несколько более коротких.

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ. 7

ПРАКТИЧЕСКАЯ ЧАСТЬ. 9

АНАЛИТИЧЕСКАЯ ЧАСТЬ. 50

1. Общая переводоведческая характеристика текста (предпереводческий анализ) 50

2. Стратегия перевода и основные переводческие трудности. 52

3. Переводческие решения. 54

3.1. Перевод терминов и аббревиатур. 54

3.2. Перевод атрибутивных словосочетаний. 57

3.3. Передача безэквивалентной лексики и неологизмов. 58

3.4. Грамматические трансформации. 59

3.5. Количественное соотношение переводческих трудностей в разобранных примерах 61

ЗАКЛЮЧЕНИЕ. 63

СПИСОК ЛИТЕРАТУРЫ.. 66

ПРИЛОЖЕНИЕ. 70

ВВЕДЕНИЕ

В качестве иллюстративного материала для переводоведческого комментария была выбрана статья «A Deep Neural Network-Based Automatic Mispronunciation Detection in Bengali Accented English Speech» («Автоматическое определение неправильного произношения в английской речи с бенгальским акцентом на основе глубокой нейронной сети»), опубликованная в журнале «Discover Computing» ^[1] издательства «Springer» в 2026 году (т. 29, ст. 71)^[2]. Авторами статьи являются исследователи Индийского технологического института (IIT) в Харагпуре (Западная Бенгалия, Индия): П. Бхарати, С. Чандра, А. Айтаваде, Д. Прамник, С.П. Гаддамеди и Ш.К. Дас Мандал.

Журнал «Discover Computing» издается крупнейшим международным научным издательством «Springer Nature» и посвящен широкому кругу вопросов в области компьютерных наук, включая искусственный интеллект, машинное обучение, обработку речи и языка, сетевые технологии и смежные дисциплины. Журнал публикует рецензируемые оригинальные исследования и адресован как академическому, так и профессиональному сообществу в сфере информационных технологий.

Выбранная статья посвящена актуальной проблеме автоматического определения ошибок произношения в речи носителей бенгальского языка, изучающих английский как второй язык. Авторы предлагают систему на основе глубокой нейронной сети с энкодером типа Branchformer, способную выявлять три типа фонетических ошибок – подстановку, вставку и удаление фонем – и превосходящую существующие решения по точности обнаружения.

Данная статья представляет интерес по нескольким причинам. Во-первых, она находится на пересечении нескольких стремительно развивающихся областей: лингвистики, компьютерной обработки речи и искусственного интеллекта, что делает ее терминологически насыщенной и содержательной в переводческом отношении. Во-вторых, текст статьи включает разнообразные переводческие трудности, типичные для современной англоязычной научно-технической литературы: высокоспециализированные термины и аббревиатуры, многокомпонентные атрибутивные словосочетания, безэквивалентную лексику и характерные грамматические конструкции научного стиля. В-третьих, перевод подобных текстов на русский язык способствует обеспечению доступности зарубежных исследований в области ИИ и обработки речи для русскоязычного научного и педагогического сообщества.

Вследствие указанных преимуществ перевод данной статьи на русский язык может быть использован в качестве учебного и научного материала для студентов направления «Лингвистика», специализирующихся в области научно-технического перевода, а также для исследователей, занимающихся изучением переводческих особенностей текстов в области искусственного интеллекта и обработки речи.