Mozilla ha anunciado el lanzamiento del 18.º conjunto de datos Common Voice, que ahora está disponible para su descarga. Este conjunto de datos forma parte de la estrategia de Mozilla para proporcionar un acceso más amplio a las tecnologías de voz. Se trata de un conjunto de datos gratuito de fragmentos de voz multilingües y datos textuales relacionados, que se distribuye bajo la licencia CC0 (dominio público). La creación del conjunto de datos es un esfuerzo colaborativo de la comunidad, que incluye a los participantes que proporcionan voz y texto, activistas lingüísticos, tecnólogos, académicos y otros miembros de la comunidad Common Voice.
El volumen total del conjunto de datos Common Voice ha alcanzado las 31,841 horas, de las cuales 20,789 horas de datos de voz han sido verificadas por la comunidad. Esto representa 700 horas más de datos de voz en comparación con la última versión del conjunto de datos y 381 horas más de nuevos datos verificados. El 18.º conjunto de datos incluye fragmentos en 129 idiomas, incluyendo 5 nuevos idiomas añadidos en esta versión.
El nuevo conjunto de datos presenta cinco nuevos idiomas: Xhosa (Sudáfrica), Kalenjin (Kenia), Kidaw’ida (Kenia), Dholuo (Kenia y Tanzania) y Setswana (Botsuana, Zimbabue, Namibia, Sudáfrica). Hablantes de cientos de millones de personas en todo el mundo pueden ahora recibir un mejor apoyo en tecnologías de voz en estos idiomas.
Si estás interesado en Common Voice, hay muchas maneras de unirte a la comunidad de participantes. Puedes compartir tu voz o escribir y hacer sugerencias originales en tu idioma para ayudar a crear el próximo conjunto de datos. Si tu idioma aún no está en Common Voice, puedes solicitar su inclusión a través de un formulario específico. También se aceptan contribuciones técnicas al proyecto abierto en Github.
Mozilla siempre está encantada de recibir comentarios sobre nuevas versiones. Puedes comunicarte con ellos en los foros de Common Voice, charlar con ellos en Matrix o escribir directamente al equipo a la dirección commonvoice@mozilla.com. Están especialmente interesados en saber qué crean o exploran los usuarios de los conjuntos de datos utilizando el conjunto de datos. Una mejor comprensión de las necesidades de los usuarios de los conjuntos de datos les puede ayudar a definir la dirección que mejor satisface dichas necesidades.
Fuente: linux.org.ru
