Mozilla hat die 18. Datensammlung von Common Voice veröffentlicht, die nun zum Download verfügbar ist. Diese Datensammlung ist Teil von Mozillas Strategie, den Zugang zu Sprachtechnologien zu erweitern. Sie besteht aus einem kostenlosen Datensatz mehrsprachiger Sprachfragmente und zugehöriger Textdaten, der unter der Lizenz CC0 (Public Domain) veröffentlicht wird. Die Erstellung des Datensatzes ist eine gemeinsame Arbeit der Community, einschließlich Teilnehmern, die Stimme und Text bereitstellen, Sprachaktivisten, Technologen, Wissenschaftlern und anderen Mitgliedern der Common Voice-Community.
Das gesamte Volumen der Common Voice-Datensammlung beträgt 31.841 Stunden, von denen 20.789 Stunden Sprachdaten von der Community überprüft wurden. Das sind 700 Stunden mehr Sprachdaten im Vergleich zur letzten Datensammlung und 381 Stunden mehr neue geprüfte Daten. Der 18. Datensatz besteht aus Fragmenten in 129 Sprachen, darunter 5 neue Sprachen, die in dieser Veröffentlichung hinzugefügt wurden.
Im neuen Datensatz sind fünf neue Sprachen enthalten: Xhosa (Südafrika), Kalenjin (Kenia), Kidaw’ida (Kenia), Dholuo (Kenia und Tansania) und Setswana (Botswana, Simbabwe, Namibia, Südafrika). Hunderte Millionen Menschen weltweit sprechen diese Sprachen und können nun eine qualitativ hochwertigere Unterstützung im Bereich der Sprachtechnologien erhalten.
Wenn Sie an Common Voice interessiert sind, gibt es viele Möglichkeiten, der Community der Teilnehmer beizutreten. Sie können Ihre Stimme teilen oder originale Vorschläge in Ihrer Sprache schreiben und einbringen, um den nächsten Datensatz zu erstellen. Wenn Ihre Sprache noch nicht in Common Voice vorhanden ist, können Sie die Hinzufügung über ein spezielles Formular anfordern. Technische Beiträge zu diesem 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, mit ihnen in Matrix sprechen oder direkt an das Team schreiben unter commonvoice@mozilla.com. Sie sind besonders daran interessiert zu erfahren, was Nutzer mit den Datensätzen erstellen oder erforschen. Ein besseres Verständnis der Bedürfnisse der Nutzenden kann ihnen helfen, die Richtung zu bestimmen, die besser auf die Bedürfnisse der Nutzer eingeht.
Quelle: linux.org.ru
