Компания Mozilla обнови набора гласови данни Common Voice, които включват примери за произношение от над 200 хиляди души. Данните са публикувани като обществено достояние (CC0). Предложените набори могат да се използват в системи за машинно обучение за изграждане на модели за разпознаване и синтез на реч. В сравнение с предишното обновление, обемът на речевия материал в колекцията се увеличи от 31.1 на 31.8 хиляди часа реч, от които 20.8 хиляди часа преминаха през процедура за проверка. Броят на поддържаните езици се увеличи от 124 на 129 (добавени са езици на африканските племена коса, календжин, кидавида, долуо и тсвана).
В подготовката на материалите на английски език участваха 93.3 хиляди души, които диктуваха 3554 часа реч (имаше 92.3 хиляди участници и 3508 часа). Наборът за белоруски език обхваща 8400 участници и 1815 часа речеви материали (беше — 8291 участник и 1766 часа), за руски език — 3241 участник и 277 часа (имаше 3206 участници и 274 часа), за узбекски — 2189 участници и 265 часа (преди 2170 участници и 264 часа), за украински език — 1091 участник и 113 часа (имаше 1075 участници и 112 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
