Михайлова, Ірина ЮріївнаБорейчук, Максим Петрович2026-01-292026-01-292025Борейчук, М. П. Методи генерації та озвучення навчальних диктантів для вивчення англійської мови з використанням штучного інтелекту : магістерська дис. : 122 Комп’ютерні науки / Борейчук Максим Петрович. – Київ, 2025. – 116 с.https://ela.kpi.ua/handle/123456789/78506Актуальність теми. Стрімкий розвиток генеративних моделей штучного інтелекту відкриває нові можливості для персоналізації та автоматизації навчальних процесів. У сфері вивчення іноземних мов усе більшої актуальності набувають інтелектуальні системи, здатні автоматично створювати навчальний контент, адаптувати його до рівня користувача та забезпечувати інтерактивний зворотний зв’язок. Відсутність комплексних рішень, які об’єднують генерацію тексту, синтез мовлення, аналіз користувацького введення та адаптивні навчальні алгоритми, зумовлює необхідність розробки відповідних методів і програмних засобів. Саме тому дослідження у цьому напрямі є актуальним і має значну практичну цінність. Метою роботи є розробка методів генерації та озвучення навчальних диктантів для вивчення англійської мови з використанням штучного інтелекту. Завдання дослідження: 1. Проаналізувати сучасні методи та технології автоматичної генерації навчального контенту та розробки мобільних застосунків. 2. Оглянути існуючі застосунки для вивчення англійської мови, визначити їхні сильні та слабкі сторони у контексті генерації та перевірки диктантів. 3. Розробити архітектуру програмної системи, включаючи серверний компонент і мобільний застосунок, а також структуру зберігання даних. 4. Реалізувати основний функціонал системи, що охоплює генерацію диктантів, синтез мовлення, виконання та перевірку користувацьких відповідей. 5. Провести експериментальне тестування системи та оцінити її ефективність у навчальному процесі. Об’єкт дослідження – комп’ютерні методи генерації та озвучення тексту. Предмет дослідження – методи генерації та озвучення тексту на основі штучного інтелекту. Апробація результатів. Основні положення даної роботи доповідались та обговорювались на: – VIIІ Всеукраїнській науково-практичній інтернет-конференції молодих вчених та студентів «Сучасні інформаційні системи та технології» 24 листопада 2025 р. у Херсонському національному технічному університеті на базі кафедри комп’ютерних систем та мереж за тематикою: «Сучасні комп’ютерні системи та мережі в управлінні». Дисертація складається зі вступу, п’яти розділів, висновків до розділів, загальних висновків, списку використаних джерел та додатків. Повний обсяг роботи становить 117 сторінок, в тому числі 94 сторінки основного тексту, містить 6 ілюстрацій, 8 таблицю, 61 джерело в переліку посилань. Розроблена система є багаторівневим клієнт–серверним програмним комплексом, призначеним для автоматичної генерації та озвучення навчальних диктантів англійською мовою з використанням технологій штучного інтелекту. Архітектура системи побудована за принципами розділення відповідальності та масштабованості. Основні компоненти системи: • мобільний застосунок (Android, Kotlin + Jetpack Compose) – забезпечує взаємодію користувача з системою, відображення інтерфейсу, формування запитів до серверної частини та локальне зберігання даних у базі Room; підтримує розпізнавання рукописного й друкованого тексту за допомогою ML Kit OCR; • серверна частина (Backend API на Python, AWS Lambda) – реалізує бізнес-логіку системи, включаючи генерацію текстових диктантів, їх озвучення, формування структурованих відповідей та обробку даних користувача; забезпечує взаємодію з моделями штучного інтелекту через зовнішні API; • генеративні моделі штучного інтелекту (Groq LLaMA + Google Gemini TTS) – використовуються для створення навчального текстового контенту та синтезу мовлення з високою якістю та природною інтонацією; • хмарне сховище Cloudflare R2 – призначене для зберігання згенерованих аудіофайлів диктантів; забезпечує глобальну доступність і сумісність з S3-протоколом; • AWS API Gateway – використовується як точка доступу до серверного інтерфейсу, забезпечує маршрутизацію HTTP-запитів до AWS Lambda та керування доступом; • локальна база даних Room – забезпечує збереження та кешування навчальних матеріалів, результатів виконання та статистики користувача без необхідності постійного звернення до серверної частини. Система побудована таким чином, щоб забезпечити ефективну взаємодію між мобільним застосунком, серверним компонентом і зовнішніми AI-сервісами. Обмін даними здійснюється через REST-інтерфейс, а взаємодія з хмарними ресурсами реалізована за допомогою відповідних SDK. Архітектура дозволяє легко масштабувати систему, розширювати функціональні можливості та адаптувати її до нових освітніх задач.116 с.ukдиктантгенеративний штучний інтелектсинтез мовленняGroqLLaMAGoogle GenAIOCRML Kitадаптивне навчаннямобільний застосунокMaster Thesis