Mozilla har præsenteret en opdatering af de stemmedatasæt, der er en del af Common Voice, som inkluderer udtaleeksempler fra omkring 200.000 personer. Dataene er offentliggjort som offentlig ejendom (CC0). De foreslåede datasæt kan anvendes i maskinlæringssystemer til at opbygge modeller til talegenkendelse og talesyntese.
Sammenlignet med den seneste opdatering er mængden af talemateriale i samlingen steget med 10% - fra 18,2 til 20,2 tusinde timers tale. Antallet af understøttede sprog er steget fra 87 til 93. For 27 sprog er der indsamlet mere end 100 timers taledata, og for 9 sprog mere end 500 timers taledata. For 9 sprog er det også lykkedes at opnå en andel af kvindestemme på mindst 45%.
Over 81.000 personer har deltaget i udarbejdelsen af materialer på engelsk, som har indtalt 2953 timers tale (der var 79.000 deltagere og 2886 timer). Datasættet for det belarusiske sprog omfatter 6326 deltagere og 1054 timer talemateriale (det var 6160 deltagere og 987 timer), for det russiske sprog - 2585 deltagere og 201 timer (der var 2452 deltagere og 193 timer), for det uzbekiske - 1503 deltagere og 231 timer (der var 1355 deltagere og 227 timer), for det ukrainske sprog - 696 deltagere og 79 timer (der var 684 deltagere og 76 timer).
Common Voice-projektet har til formål at organisere samarbejde omkring opsamlingen af en database med stemmeskabeloner, der tager højde for al mangfoldighed af stemmer og talemønstre. Brugerne opfordres til at indtale de sætninger, der vises på skærmen, eller vurdere kvaliteten af de data, der er tilføjet af andre brugere. Den opsamlede database med optagelser af forskellige udtaler af typiske sætninger i menneskelig tale kan uden begrænsninger anvendes i maskinlæringssystemer og i forskningsprojekter.
Kilde: opennet.ru
