Mozilla oznámila vydání 18. sady dat Common Voice, která je nyní k dispozici ke stažení. Tato sada dat je součástí strategie Mozilla, která usiluje o širší přístup k hlasovým technologiím. Představuje bezplatnou sadu dat vícejazyčných hlasových fragmentů a souvisejících textových dat, která je šířena pod licencí CC0 (veřejné vlastnictví). Tvorba této sady dat je výsledkem společné práce komunity, včetně účastníků, kteří poskytují hlas a text, jazykových aktivistů, techniků, vědců a dalších členů komunity Common Voice.
Celkový objem sady dat Common Voice dosáhl 31 841 hodin, z nichž 20 789 hodin hlasových dat bylo ověřeno komunitou. To představuje o 700 hodin více hlasových dat ve srovnání s posledním vydáním sady dat a o 381 hodin více nových ověřených dat. 18. sada dat obsahuje fragmenty ve 129 jazycích, včetně 5 nových jazyků přidaných v tomto vydání.
V nové sadě dat jsou zastoupeny pět nových jazyků: Xhosa (JAR), Kalenjin (Kenia), Kidaw’ida (Kenia), Dholuo (Keňa a Tanzanie) a Setswana (Botswana, Zimbabwe, Namibie, JAR). Těmito jazyky hovoří stovky milionů lidí po celém světě, kteří nyní mohou získat kvalitnější podporu v oblasti hlasových technologií.
Pokud máte zájem o Common Voice, existuje mnoho způsobů, jak se připojit ke komunitě účastníků. Můžete sdílet svůj hlas nebo napsat a přispět originálními návrhy ve svém jazyce, abyste pomohli vytvořit další sadu dat. Pokud váš jazyk není ještě v Common Voice, můžete požádat o jeho přidání pomocí speciálního formuláře. Technické příspěvky do otevřeného projektu na Githubu jsou také vítány.
Mozilla je vždy ráda, když dostává zpětnou vazbu o nových vydáních. Můžete je kontaktovat na fórech Common Voice, komunikovat s nimi na Matrixu nebo napsat týmu přímo na adresu commonvoice@mozilla.com. Zvlášť je zajímají názory uživatelů, kteří vytvářejí nebo zkoumají něco pomocí sady dat. Lepší porozumění potřebám uživatelů může pomoci určit směr, který lépe vyhovuje potřebám uživatelů.
Zdroj: linux.org.ru
