{"id":103904,"date":"2022-04-28T21:36:49","date_gmt":"2022-04-28T19:36:49","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/obnovlenie-golosovyh-dannyh-mozilla-common-voice-9-0"},"modified":"2022-04-28T21:36:49","modified_gmt":"2022-04-28T19:36:49","slug":"obnovlenie-golosovyh-dannyh-mozilla-common-voice-9-0","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/news\/obnovlenie-golosovyh-dannyh-mozilla-common-voice-9-0","title":{"rendered":"Opdatering af stemmedata fra Mozilla Common Voice 9.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Mozilla har pr\u00e6senteret en opdatering af de stemmedatas\u00e6t, der er en del af Common Voice, som inkluderer udtaleeksempler fra omkring 200.000 personer. Dataene er offentliggjort som offentlig ejendom (CC0). De foresl\u00e5ede datas\u00e6t kan anvendes i maskinl\u00e6ringssystemer til at opbygge modeller til talegenkendelse og talesyntese. <\/p>\n
Sammenlignet med den forrige opdatering er m\u00e6ngden af tale materiale i samlingen steget med 10% \u2014 fra 18,2 til 20,2 tusinde timer tale. Antallet af underst\u00f8ttede sprog er steget fra 87 til 93. For 27 sprog er der samlet over 100 timer taledata, og for 9 sprog er der over 500 timer taledata. For 9 sprog er det ogs\u00e5 lykkedes at opn\u00e5 en andel af kvindelig tale p\u00e5 mindst 45%. <\/p>\n
I forberedelsen af materialer p\u00e5 engelsk har mere end 81.000 personer deltaget, der har dikteret 2953 timer tale (der var 79.000 deltagere og 2886 timer). S\u00e6ttet for det belarusiske sprog omfatter 6326 deltagere og 1054 timer talemateriale (der var \u2014 6160 deltagere og 987 timer), det russiske sprog \u2014 2585 deltagere og 201 timer (der var 2452 deltagere og 193 timer), det uzbekiske \u2014 1503 deltagere og 231 timer (der var 1355 deltagere og 227 timer), det ukrainske sprog \u2014 696 deltagere og 79 timer (der var 684 deltagere og 76 timer). <\/p>\n
Common Voice-projektet har til form\u00e5l at organisere samarbejde omkring opsamlingen af en database med stemmeskabeloner, der tager h\u00f8jde for al mangfoldighed af stemmer og talem\u00f8nstre. Brugerne opfordres til at indtale de s\u00e6tninger, der vises p\u00e5 sk\u00e6rmen, eller vurdere kvaliteten af de data, der er tilf\u00f8jet af andre brugere. Den opsamlede database med optagelser af forskellige udtaler af typiske s\u00e6tninger i menneskelig tale kan uden begr\u00e6nsninger anvendes i maskinl\u00e6ringssystemer og i forskningsprojekter. <\/p>\n