Mozilla Common Voice 9.0 hääldata andmete uuendus

Mozilla esitles Common Voice hääldata kogumite värskendust, mis sisaldavad hääldusnäite umbes 200 000 inimeselt. Andmed on avaldatud avaliku omandina (CC0). Pakutavaid kogumeid saab kasutada masinõppe süsteemides kõne ja kõne sünteesi mudelite loomiseks.

Võrreldes eelmise värskendusega on kõnematerjali maht kogu kogus kasvanud 10% — 18,2 tuhandelts tunnilt 20,2 tuhandeni. Toetatud keelte arv on tõusnud 87-lt 93-le. 27 keele jaoks on kogutud üle 100 tunni hääldata andmeid ning 9 keele jaoks üle 500 tunni hääldata andmeid. 9 keele puhul on samuti saavutatud, et naiste hääl moodustab vähemalt 45%.

Ingliskeelsete materjalide ettevalmistamises osales üle 81 000 inimese, kes dikteeris kokku 2953 tunni kõnet (osalejaid oli varem 79 000 ja 2886 tundi). Valgevene keele kogum katab 6326 osalejat ja 1054 tunni hääldata materjali (varem oli 6160 osalejat ja 987 tundi), vene keeles on 2585 osalejat ja 201 tund (varem 2452 osalejat ja 193 tundi), usbeki keeles 1503 osalejat ja 231 tund (varem 1355 osalejat ja 227 tundi), ukraina keeles 696 osalejat ja 79 tundi (varem 684 osalejat ja 76 tundi).

Common Voice projekt on suunatud koostöö korraldamisele häälemustrite andmebaasi kogumiseks, mis arvestab kõigi häältüüride ja kõneviisidega. Kasutajatele pakutakse ekraanile kuvatud fraaside hääldamist või teiste kasutajate lisatud andmete kvaliteedi hindamist. Kogutud andmebaasi, mis sisaldab erineva hääldusega tüüpfraase inimkõnest, saab piiranguteta kasutada masinõppe süsteemides ja teadusprojektides.

Allikas: opennet.ru