Die Mozilla Corporation hat die Sprachdatensätze von Common Voice aktualisiert, die Beispiele für die Aussprache von mehr als 200.000 Personen enthalten. Die Daten wurden als öffentliches Eigentum (CC0) veröffentlicht. Die angebotenen Sätze können in maschinellen Lernsystemen zur Erstellung von Modellen für Sprach- und Sprachsynthese verwendet werden. Im Vergleich zum letzten Update hat sich das Volumen des Sprachmaterials in der Sammlung von 32,6 auf 33,1 Tausend Stunden Sprache erhöht, von denen 22,1 Tausend Stunden überprüft wurden. Die Anzahl der unterstützten Sprachen stieg von 129 auf 133 — hinzugefügt wurden die Sprachen Aragonisch, Isindebele, Süd-Sotho und Tsonga.
An der Vorbereitung der Materialien in englischer Sprache haben 94.900 Personen teilgenommen, die 3.631 Stunden Sprache diktiert haben (zuvor waren es 93.900 Teilnehmer und 3.587 Stunden). Der Datensatz für die belarussische Sprache umfasst 8.521 Teilnehmer und 1.860 Stunden Sprachmaterial (zuvor 8.444 Teilnehmer und 1.846 Stunden), für die russische Sprache 3.365 Teilnehmer und 281 Stunden (zuvor 3.296 Teilnehmer und 278 Stunden), für die usbekische Sprache 2.211 Teilnehmer und 265 Stunden (zuvor 2.200 Teilnehmer und 265 Stunden), und für die ukrainische Sprache 1.120 Teilnehmer und 114 Stunden (zuvor 1.104 Teilnehmer und 114 Stunden).
Das Common Voice-Projekt organisiert die gemeinsame Arbeit zur Erstellung einer Datenbank mit Sprachproben, die die gesamte Vielfalt an Stimmen und Sprachstilen berücksichtigt. Benutzer können auf dem Bildschirm angezeigte Sätze vertonen oder die Qualität der von anderen Benutzern hinzugefügten Daten bewerten. Die angelegte Datenbank mit Aufnahmen verschiedener Aussprachen typischer Sätze menschlicher Sprache kann ohne Einschränkungen in maschinellen Lernsystemen und Forschungsprojekten verwendet werden.
Quelle: opennet.ru
