{"id":100885,"date":"2021-08-01T10:23:19","date_gmt":"2021-08-01T08:23:19","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/obnovlenie-golosovyh-dannyh-mozilla-common-voice-7-0"},"modified":"2021-08-01T10:23:19","modified_gmt":"2021-08-01T08:23:19","slug":"obnovlenie-golosovyh-dannyh-mozilla-common-voice-7-0","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/news\/obnovlenie-golosovyh-dannyh-mozilla-common-voice-7-0","title":{"rendered":"Opdatering af stemmedata for Mozilla Common Voice 7.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Virksomhederne NVIDIA og Mozilla har pr\u00e6senteret en opdatering af de stemmedata-s\u00e6t, der er indsamlet gennem initiativet Common Voice, som inkluderer udtaleeksempler fra 182.000 personer, hvilket er 25% mere end for 6 m\u00e5neder siden. Dataene er offentliggjort som offentligt dom\u00e6ne (CC0). De foresl\u00e5ede s\u00e6t kan bruges i maskinl\u00e6ringssystemer til at opbygge modeller til genkendelse og syntese af tale. <\/p>\n
Sammenlignet med den tidligere opdatering er m\u00e6ngden af tale i samlingen steget fra 9 til 13,9 tusind timer. Antallet af underst\u00f8ttede sprog er steget fra 60 til 76, herunder f\u00f8rste gang tilf\u00f8jelse af st\u00f8tte til belarusisk, kasakhisk, usbekisk, bulgarsk, armensk, azerbajdsjansk og basjkirisk. S\u00e6ttet for russisk d\u00e6kker 2136 deltagere og 173 timer tale materiale (det var 1412 deltagere og 111 timer), mens s\u00e6ttet for ukrainsk har 615 deltagere og 66 timer (det var 459 deltagere og 30 timer). <\/p>\n
Over 75.000 personer har deltaget i forberedelsen af materialer p\u00e5 engelsk, som har dikteret 2637 timers bekr\u00e6ftet tale (tidligere 66.000 deltagere og 1686 timer). Interessant nok er det rwandiske sprog det n\u00e6stst\u00f8rste i m\u00e6ngden af indsamlede data med 2260 timer. Derefter f\u00f8lger tysk (1040), katalansk (920) og esperanto (840). Blandt de sprog med den mest dynamiske v\u00e6kst i stemmedata n\u00e6vnes thailandsk (v\u00e6kst i databasen med 20 gange, fra 12 til 250 timer), luganda (fra 8 til 80 timer), esperanto (fra 100 til 840 timer) og tamilske (fra 24 til 220 timer). <\/p>\n
Som en del af sit deltagelse i projektet Common Voice har NVIDIA forberedt f\u00e6rdigtr\u00e6nede modeller til maskinl\u00e6ring baseret p\u00e5 de indsamlede data (underst\u00f8ttet af PyTorch). Modellerne distribueres som en del af NVIDIA NeMo, et gratis og \u00e5bent v\u00e6rkt\u00f8j, som allerede anvendes i automatiserede tale-tjenester af MTS og Sberbank. Modellerne er designet til brug i talegenkendelsessystemer, talesyntese og behandling af information p\u00e5 naturligt sprog, og kan v\u00e6re nyttige for forskere, der arbejder med at skabe taledialogsystemer, transkriptionplatforme og automatiserede callcentre. I mods\u00e6tning til tidligere tilg\u00e6ngelige projekter er de offentliggjorte modeller ikke begr\u00e6nset til engelsk og d\u00e6kker forskellige sprog, accenter og taleformer. <\/p>\n
Vi minder om, at projektet Common Voice har til form\u00e5l at organisere et samarbejde om indsamlingen af en database af stemmeskabeloner, der tager h\u00f8jde for det mangfoldige udvalg af stemmer og talestile. Brugere bliver bedt om at indtale de s\u00e6tninger, der vises p\u00e5 sk\u00e6rmen, eller vurdere kvaliteten af dataene tilf\u00f8jet af andre brugere. Den opn\u00e5ede database med optagelser af forskellige udtaler af typiske menneskelige talefraser kan frit anvendes i maskinl\u00e6ringssystemer og forskningsprojekter. <\/p>\n
If\u00f8lge forfatteren af talegenkendelsesbiblioteket Vosk er ulemperne ved Common Voice-s\u00e6ttet ensidigheden af stemmematerialet (overv\u00e6gt af m\u00e6nd i alderen 20-30 \u00e5r og mangel p\u00e5 materiale med kvinders, b\u00f8rns og \u00e6ldre menneskers stemmer), mangel p\u00e5 variabilitet i ordforr\u00e5det (gentagelse af de samme s\u00e6tninger) og distributionen af optagelser i et format (MP3), der forvr\u00e6nger lydkvaliteten. \n Kilde: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"