Mozilla Common Voice 20 hääldataandmete värskendus

Mozilla on värskendanud Common Voice'i hääldata kogusid, mis sisaldavad üle 200 000 inimese hääldusnäite. Andmed on avaldatud avaliku omandina (CC0). Pakutavaid kogusid saab kasutada masinõppe süsteemides kõne tuvastamise ja sünteesi mudelite loomiseks. Võrreldes eelmise värskendusega kasvas kõnematerjali maht kollektsioonis 32,6 tuhande tunni pealt 33,1 tuhande tunni peale, millest 22,1 tuhat tundi läbis kontrollimise. Toetatud keelte arv kasvas 129-lt 133-le — lisatud on aragoni, isindebele, lõuna-soto ja tupuri keeled.

Inglise keele materjalide ettevalmistamisel osales 94,9 tuhat inimest, kes dikteerisid 3631 tunni kõnet (oli 93,9 tuhat osalejat ja 3587 tundi). Valgevene keele kogus hõlmab 8521 osalejat ja 1860 tund kõnematerjali (oli 8444 osalejat ja 1846 tundi), vene keeles — 3365 osalejat ja 281 tundi (oli 3296 osalejat ja 278 tundi), usbeki keeles — 2211 osalejat ja 265 tundi (oli 2200 osalejat ja 265 tundi), ukraina keeles — 1120 osalejat ja 114 tundi (oli 1104 osalejat ja 114 tundi).

Common Voice'i projekt korraldab koostööd häälemallide andmebaasi kogumisel, arvestades kõikide häälte ja kõneviiside mitmekesisust. Kasutajatele pakutakse võimalust hääldada ekraanil kuvatud lauseid või hinnata teiste kasutajate lisatud andmete kvaliteeti. Kogutud andmebaasi erineva häälduse näidatud fraasid on piiramatu kasutusega masinõppe süsteemides ja uurimisprojektides.

Allikas: opennet.ru