Společnost Mozilla představila aktualizaci souborů hlasových dat Common Voice, zahrnující příklady výslovnosti od přibližně 200 tisíc lidí. Data byla zveřejněna jako veřejné vlastnictví (CC0). Navrhované soubory lze použít v systémech strojového učení k vytvoření modelů pro rozpoznávání a syntézu řeči.
Ve srovnání s minulou aktualizací objem řečového materiálu v kolekci vzrostl o 10 % — z 18,2 na 20,2 tisíce hodin řeči. Počet podporovaných jazyků se zvýšil z 87 na 93. Pro 27 jazyků bylo shromážděno více než 100 hodin řečových dat a pro 9 — více než 500 hodin řečových dat. U 9 jazyků se také podařilo dosáhnout podílu ženského hlasu, který činí alespoň 45 %.
Na přípravě materiálů v anglickém jazyce se podílelo více než 81 tisíc lidí, kteří nadiktovali 2953 hodin řeči (bylo 79 tisíc účastníků a 2886 hodin). Soubor pro běloruský jazyk pokrývá 6326 účastníků a 1054 hodin řečového materiálu (bylo — 6160 účastníků a 987 hodin), ruského jazyka — 2585 účastníků a 201 hodin (bylo 2452 účastníků a 193 hodin), uzbeckého — 1503 účastníků a 231 hodin (bylo 1355 účastníků a 227 hodin), ukrajinského jazyka — 696 účastníků a 79 hodin (bylo 684 účastníků a 76 hodin).
Projekt Common Voice je zaměřen na organizaci společné práce na hromadění databáze hlasových šablon, která zohledňuje veškerou rozmanitost hlasů a způsobů řeči. Uživatelé jsou vyzváni, aby přečetli na obrazovce zobrazené fráze nebo hodnotili kvalitu dat přidaných jinými uživateli. Nahromaděná databáze se záznamy různých výslovností typových frází lidské řeči bez omezení může být použita v systémech strojového učení a ve výzkumných projektech.
Zdroj: opennet.ru
