Компания Mozilla представи актуализация на комплектите от гласови данни Common Voice, които включват примери за произношение на около 200 хиляди души. Данните са публикувани като обществено достояние (CC0). Предложените комплекти могат да се използват в системи за машинно обучение за създаване на модели за разпознаване и синтез на реч.
В сравнение с предишната актуализация, обемът на речевия материал в колекцията е увеличен с 10% — от 18.2 на 20.2 хиляди часа реч. Броят на поддържаните езици е нараснал от 87 на 93. За 27 езика са събрани над 100 часа речеви данни, а за 9 — над 500 часа речеви данни. При 9 езика също така беше постигнат дял на женската реч, съставляващ поне 45%.
В подготовката на материалите на английски език участваха над 81 хиляди души, които надиктоваха 2953 часа реч (бяха 79 хиляди участници и 2886 часа). Наборът за белоруския език обхваща 6326 участници и 1054 часа речеви материали (бяха 6160 участници и 987 часа), руският език — 2585 участници и 201 час (бяха 2452 участника и 193 часа), узбекският — 1503 участника и 231 час (бяха 1355 участници и 227 часа), а украинският език — 696 участници и 79 часа (бяха 684 участника и 76 часа).
Проектът Common Voice цели да организира съвместна работа по натрупване на база от гласови шаблони, отразяващи разнообразието на гласовете и манерите на реч. На потребителите се предлага да озвучат изведени на екрана фрази или да оценят качеството на данните, добавени от други потребители. Натрупаната база данни с записи на различни произношения на типови фрази с човешка реч без ограничения може да се използва в системи за машинно обучение и в изследователски проекти.
Източник: opennet.ru
