{"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\/es\/blog\/news\/obnovlenie-golosovyh-dannyh-mozilla-common-voice-7-0","title":{"rendered":"Actualizaci\u00f3n de datos de voz de Mozilla Common Voice 7.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Las compa\u00f1\u00edas NVIDIA y Mozilla han presentado una actualizaci\u00f3n de los conjuntos de datos de voz, recopilados como parte de la iniciativa Common Voice, que incluye ejemplos de pronunciaci\u00f3n de 182,000 personas, lo que representa un aumento del 25% en comparaci\u00f3n con hace 6 meses. Los datos se publican como dominio p\u00fablico (CC0). Los conjuntos propuestos pueden ser utilizados en sistemas de aprendizaje autom\u00e1tico para construir modelos de reconocimiento y s\u00edntesis de voz. <\/p>\n
En comparaci\u00f3n con la actualizaci\u00f3n anterior, el tama\u00f1o del contenido de voz en la colecci\u00f3n ha aumentado de 9 a 13.9 mil horas de habla. El n\u00famero de idiomas soportados ha aumentado de 60 a 76, incluyendo por primera vez el soporte para los idiomas bielorruso, kazajo, uzbeko, b\u00falgaro, armenio, azerbaiyano y bashkir. El conjunto para el idioma ruso abarca 2136 participantes y 173 horas de material de voz (antes eran 1412 participantes y 111 horas), y para el idioma ucraniano \u2014 615 participantes y 66 horas (antes eran 459 participantes y 30 horas). <\/p>\n
M\u00e1s de 75,000 personas participaron en la preparaci\u00f3n de materiales en ingl\u00e9s, dictando 2637 horas de habla confirmada (antes hab\u00eda 66,000 participantes y 1686 horas). Curiosamente, el segundo idioma en tama\u00f1o de datos acumulados es el kinyarwanda, con 2260 horas recopiladas. Le siguen el alem\u00e1n (1040), el catal\u00e1n (920) y el esperanto (840). Entre los idiomas que han mostrado el crecimiento m\u00e1s din\u00e1mico en el tama\u00f1o de datos de voz se encuentran el tailand\u00e9s (aumento de 20 veces, de 12 a 250 horas), el luganda (de 8 a 80 horas), el esperanto (de 100 a 840 horas) y el tamil (de 24 a 220 horas). <\/p>\n
Como parte de su participaci\u00f3n en el proyecto Common Voice, la empresa NVIDIA ha preparado modelos entrenados basados en los datos recopilados para sistemas de aprendizaje autom\u00e1tico (compatible con PyTorch). Los modelos se distribuyen como parte de la herramienta gratuita y de c\u00f3digo abierto NVIDIA NeMo, que ya se utiliza, por ejemplo, en los servicios de voz automatizados de MTS y Sberbank. Los modelos est\u00e1n orientados a su uso en sistemas de reconocimiento de voz, s\u00edntesis de voz y procesamiento de informaci\u00f3n en lenguaje natural, y pueden ser \u00fatiles para investigadores que crean sistemas de di\u00e1logo por voz, plataformas de transcripci\u00f3n y centros de llamadas automatizados. A diferencia de proyectos anteriores, los modelos publicados no se limitan al reconocimiento del ingl\u00e9s y abarcan diversos idiomas, acentos y formas de habla. <\/p>\n
Recordemos que el proyecto Common Voice tiene como objetivo organizar el trabajo conjunto para acumular una base de patrones de voz que tenga en cuenta la diversidad de voces y formas de habla. A los usuarios se les solicita que pronuncien las frases que aparecen en pantalla o que eval\u00faen la calidad de los datos a\u00f1adidos por otros usuarios. La base de datos acumulada con grabaciones de las diversas pronunciaciones de frases t\u00edpicas del habla humana se puede usar sin restricciones en sistemas de aprendizaje autom\u00e1tico y proyectos de investigaci\u00f3n. <\/p>\n
Seg\u00fan el autor de la biblioteca de reconocimiento de voz continua Vosk, las desventajas del conjunto Common Voice son la unilateralidad del material de voz (predominancia de hombres de 20 a 30 a\u00f1os y falta de material con voces de mujeres, ni\u00f1os y ancianos), la falta de variabilidad en el vocabulario (repetici\u00f3n de las mismas frases) y la difusi\u00f3n de grabaciones en un formato MP3 que introduce distorsiones. \n Fuente: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"