Mozilla har offentliggjort det 18. datasæt i Common Voice, som nu er tilgængeligt for download. Dette datasæt er en del af Mozillas strategi for at sikre bredere adgang til stemmeteknologier. Det er et gratis datasæt med flersprogede stemmeuddrag og tilhørende tekstdata, som distribueres under CC0-licensen (offentlig ejendom). Oprettelsen af datasættet er et fællesarbejde fra fællesskabet, herunder deltagere, der leverer stemmer og tekst, sprogaktivister, teknologer, forskere og andre medlemmer af Common Voice-fællesskabet.
Det samlede volumen af Common Voice-datasættet er nået op på 31.841 timer, hvoraf 20.789 timer med taledata er blevet verificeret af fællesskabet. Dette er 700 timer mere med taledata sammenlignet med den seneste udgave af datasættet og 381 timer mere med nye verificerede data. Det 18. datasæt består af udtræk på 129 sprog, herunder 5 nye sprog, der er tilføjet i denne udgave.
Det nye datasæt inkluderer fem nye sprog: Xhosa (Kosa, Sydafrika), Kalenjin (Kalenjin, Kenya), Kidaw’ida (Dabida, Kenya), Dholuo (Dolouo, Kenya og Tanzania) og Setswana (Tswana, Botswana, Zimbabwe, Namibia, Sydafrika). Der tales disse sprog af hundredvis af millioner mennesker verden over, som nu kan få bedre støtte inden for stemmeteknologier.
Hvis du er interesseret i Common Voice, er der mange måder at deltage i fællesskabet på. Du kan dele din stemme eller skrive og bidrage med originale forslag på dit sprog for at hjælpe med at skabe det næste datasæt. Hvis dit sprog endnu ikke er i Common Voice, kan du anmode om, at det blive tilføjet via en speciel formular. Teknisk bidrag til det åbne projekt på Github er også velkomne.
Mozilla er altid glade for at modtage feedback om nye udgivelser. Du kan kontakte dem på Common Voice-forummerne, chatte med dem i Matrix eller skrive til teamet direkte på commonvoice@mozilla.com. De er især interesserede i at høre, hvad brugere af datasættene skaber eller udforsker ved hjælp af datasættene. En bedre forståelse af brugernes behov kan hjælpe dem med at bestemme den retning, der bedst opfylder brugernes behov.
Kilde: linux.org.ru
