Mozilla Common Voice 9.0 hääldataandmete uuendus

Mozilla teatas, et on avalikustanud uue versiooni Common Voice hääldataidest, mis sisaldab umbes 200 000 inimese hääldusnäite. Andmed on avaldatud kui avalik domeen (CC0). Pakutavaid komplekte saab kasutada masinõppe süsteemides kõne tunne ja sünteesi mudelite loomiseks.

Võrreldes eelmisel uuendamisel on kõnematerjali maht kollektsioonis suurenenud 10% — 18,2 tunnilt 20,2 tunnile. Toetatud keelte arv on suurenenud 87-lt 93-le. 27 keele jaoks on kogutud üle 100 tunni kõneandmeid, 9 keele jaoks aga üle 500 tunni kõneandmeid. 9 keele puhul on samuti saavutatud vähemalt 45% nais- häälte osakaal.

Materjalide ettevalmistamisel inglise keeles osales üle 81 000 inimese, kes dikteerisid 2953 tunni kõnet (varasemalt oli 79 000 osalejat ja 2886 tundi). Valik belaruskeelse materjali jaoks hõlmab 6326 osalejat ja 1054 tundi kõnematerjali (varasemalt — 6160 osalejat ja 987 tundi), venekeelse — 2585 osalejat ja 201 tund (varasemalt 2452 osalejat ja 193 tundi), uzbekkeelse — 1503 osalejat ja 231 tund (varasemalt 1355 osalejat ja 227 tundi), ukrainakeelse — 696 osalejat ja 79 tundi (varasemalt 684 osalejat ja 76 tundi).

Common Voice projekt on suunatud koostöö korraldamisele häälešabloonide andmebaasi kogumisel, arvestades erinevaid hääli ja kõnemaneere. Kasutajatele pakutakse ekraanile kuvatud fraaside hääldamist või teiste kasutajate lisatud andmete kvaliteedi hindamist. Kogutud andmebaasi, mis sisaldab erinevate hääldustega tüüpfraaside salvestisi, saab piiranguteta kasutada masinõppe süsteemides ja uurimisprojektides.

Allikas: opennet.ru