{"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\/de\/blog\/novosti-interneta\/obnovlenie-golosovyh-dannyh-mozilla-common-voice-7-0","title":{"rendered":"Aktualisierung der Sprachdaten von Mozilla Common Voice 7.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Die Unternehmen NVIDIA und Mozilla haben ein Update der Sprachdatens\u00e4tze vorgestellt, die im Rahmen der Initiative Common Voice gesammelt wurden und Beispiele f\u00fcr die Aussprache von 182.000 Personen enthalten \u2013 ein Anstieg von 25 % im Vergleich zu vor 6 Monaten. Die Daten werden als Gemeingut (CC0) ver\u00f6ffentlicht. Die vorgeschlagenen Datens\u00e4tze k\u00f6nnen in maschinellen Lernsystemen zur Modellierung von Sprach- und Textsynthese verwendet werden. <\/p>\n
Im Vergleich zum vorherigen Update ist das Volumen des Sprachmaterials in der Sammlung von 9 auf 13,9 Tausend Stunden gewachsen. Die Anzahl der unterst\u00fctzten Sprachen wurde von 60 auf 76 erh\u00f6ht, darunter erstmalig die Unterst\u00fctzung f\u00fcr Belarussisch, Kasachisch, Usbekisch, BULGARISCH, Armenisch, Aserbaidschanisch und Baschkirisch. Das Set f\u00fcr die russische Sprache umfasst 2136 Teilnehmer und 173 Stunden Sprachmaterial (vorher waren es 1412 Teilnehmer und 111 Stunden), w\u00e4hrend f\u00fcr die ukrainische Sprache 615 Teilnehmer und 66 Stunden zur Verf\u00fcgung stehen (vorher waren es 459 Teilnehmer und 30 Stunden). <\/p>\n
\u00dcber 75.000 Personen haben bei der Erstellung von Materialien in englischer Sprache mitgewirkt und insgesamt 2.637 Stunden best\u00e4tigter Sprache aufgezeichnet (zuvor waren es 66.000 Teilnehmer und 1.686 Stunden). Interessanterweise liegt der Kinyarwanda auf dem zweiten Platz bez\u00fcglich des gesammelten Datenvolumens; hierbei wurden 2.260 Stunden zusammengetragen. Darauf folgen Deutsch (1.040), Katalanisch (920) und Esperanto (840). Die am dynamischsten wachsenden Sprachdaten stammen aus dem Thail\u00e4ndischen (Datenbasis-Wachstum um das 20-fache, von 12 auf 250 Stunden), Luganda (von 8 auf 80 Stunden), Esperanto (von 100 auf 840 Stunden) und Tamil (von 24 auf 220 Stunden). <\/p>\n
Im Rahmen ihres Engagements im Projekt Common Voice hat NVIDIA auf Grundlage der gesammelten Daten vortrainierte Modelle f\u00fcr maschinelles Lernen (unterst\u00fctzt von PyTorch) entwickelt. Die Modelle werden im Rahmen des kostenlosen und offenen NVIDIA NeMo-Tools bereitgestellt, das beispielsweise bereits in den automatisierten Sprachdiensten von MTS und Sberbank eingesetzt wird. Diese Modelle sind f\u00fcr den Einsatz in Sprach\u00aderkennungssystemen, Sprachsynthese und der Verarbeitung nat\u00fcrlicher Sprache ausgelegt und k\u00f6nnten f\u00fcr Forscher, die an der Entwicklung von Sprachdialogsystemen, Transkriptionsplattformen und automatisierten Callcentern arbeiten, von Nutzen sein. Im Gegensatz zu fr\u00fcheren Projekten sind die ver\u00f6ffentlichten Modelle nicht auf die Erkennung der englischen Sprache beschr\u00e4nkt, sondern decken verschiedene Sprachen, Akzente und Sprachformen ab. <\/p>\n
Wir erinnern daran, dass das Projekt Common Voice darauf abzielt, die gemeinsame Arbeit an der Sammlung einer Datenbank von Sprachmustern zu organisieren, die die gesamte Vielfalt der Stimmen und Sprechstile ber\u00fccksichtigt. Den Nutzern wird angeboten, die angezeigten S\u00e4tze einzusprechen oder die Qualit\u00e4t der von anderen Nutzern hinzugef\u00fcgten Daten zu bewerten. Die gesammelte Datenbank mit Aufnahmen verschiedener Aussprache typischer menschlicher S\u00e4tze kann ohne Einschr\u00e4nkungen in maschinellen Lernsystemen und Forschungsprojekten verwendet werden. <\/p>\n
Nach Meinung des Autors der Spracherkennungsbibliothek Vosk sind die Nachteile des Sets Common Voice eine einseitige Sprachmaterialien (\u00dcbergewicht m\u00e4nnlicher Stimmen im Alter von 20-30 Jahren und Mangel an Material mit Stimmen von Frauen, Kindern und \u00e4lteren Menschen), fehlende Variabilit\u00e4t des Wortschatzes (Wiederholung der gleichen S\u00e4tze) und die Verbreitung der Aufnahmen im verzerrenden MP3-Format. \n Quelle: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"