Mozilla hat die Veröffentlichung des 18. Datensatzes von Common Voice bekannt gegeben, der nun zum Download verfügbar ist. Dieser Datensatz ist Teil von Mozillas Strategie, einen breiteren Zugang zu Sprachtechnologien zu gewährleisten. Er besteht aus einem kostenlosen Datensatz mehrsprachiger Sprachfragmente und zugehöriger Textdaten, die unter der CC0-Lizenz (gemeinfreie Inhalte) veröffentlicht werden. Die Erstellung des Datensatzes ist eine Gemeinschaftsarbeit, an der Teilnehmer beteiligt sind, die Sprache und Text zur Verfügung stellen, Sprachaktivisten, Technologen, Wissenschaftler und andere Mitglieder der Common Voice-Community.
Das Gesamtvolumen des Common Voice-Datensatzes hat 31.841 Stunden erreicht, von denen 20.789 Stunden Sprachdaten von der Community überprüft wurden. Das sind 700 Stunden mehr an Sprachdaten im Vergleich zur letzten Veröffentlichung des Datensatzes und 381 Stunden mehr neue geprüfte Daten. Der 18. Datensatz besteht aus Fragmenten in 129 Sprachen, darunter 5 neue Sprachen, die in dieser Ausgabe hinzugefügt wurden.
Im neuen Datensatz sind fünf neue Sprachen vertreten: Xhosa (Xhosa, Südafrika), Kalenjin (Kalenjin, Kenia), Kidaw’ida (Kidaw’ida, Kenia), Dholuo (Dholuo, Kenia und Tansania) und Setswana (Setswana, Botswana, Simbabwe, Namibia, Südafrika). Diese Sprachen werden von Hunderten Millionen Menschen weltweit gesprochen, die nun eine qualitativ bessere Unterstützung im Bereich der Sprachtechnologien erhalten können.
Wenn Sie an Common Voice interessiert sind, gibt es viele Möglichkeiten, sich der Community der Teilnehmer anzuschließen. Sie können Ihre Stimme teilen oder originale Vorschläge in Ihrer Sprache einreichen, um beim Erstellen des nächsten Datensatzes zu helfen. Wenn Ihre Sprache noch nicht in Common Voice vorhanden ist, können Sie deren Hinzufügung über ein spezielles Formular anfordern. Technische Beiträge zu dem Open-Source-Projekt auf Github sind ebenfalls willkommen.
Mozilla freut sich immer über Feedback zu neuen Veröffentlichungen. Sie können sie in den Common Voice-Foren kontaktieren, sich mit ihnen in Matrix unterhalten oder das Team direkt unter der Adresse erreichen commonvoice@mozilla.com. Sie sind besonders daran interessiert zu erfahren, was Benutzer mit den Datensätzen erstellen oder erforschen. Ein besseres Verständnis der Bedürfnisse der Benutzer der Datensätze kann ihnen helfen, die Richtung zu bestimmen, die besser auf die Bedürfnisse der Benutzer eingeht.
Quelle: linux.org.ru
