Mozilla Common Voice 16.0 hääldataandmete ajakohandus

Mozilla ettevõte värskendas Common Voice hääldata komplekte, mis sisaldavad üle 200 000 inimese hääldusnäite. Andmed on avaldatud avaliku omandina (CC0). Pakutavaid komplekte saab kasutada masinõppe süsteemides kõne ja sünteesi mudelite loomiseks. Eelmise värskendusega võrreldes on kõnematerjali maht kollektsioonis suurenenud 28,7-st 30,3 tuhandeni, millest 19,7 tuhat tundi on läbinud kontrollimise protsessi. Toetatud keelte arv on suurenenud 114-lt 120-le (lisasid jidiši, lääne-lätikeelse, liigurikeelse, osseedi, telugu ja lääne-sierra-pueblase nahuatli).

Materjalide ettevalmistamisel inglise keeles osales 90,67 tuhat inimest, kes dikteerisid 3438 tundi kõnet (osalejaid oli varem 88,9 tuhat ja 3347 tundi). Valgevene keele komplekt hõlmab 8249 osalejat ja 1641 tunni kõnematerjali (varem oli 8205 osalejat ja 1632 tundi), vene keeles — 3133 osalejat ja 265 tundi (varem oli 3053 osalejat ja 260 tundi), usbeki keeles — 2151 osalejat ja 264 tundi (varem 2141 osalejat ja 263 tundi), ukraina keeles — 1058 osalejat ja 108 tundi (varem oli 1024 osalejat ja 105 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