{"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\/et\/blog\/news\/obnovlenie-golosovyh-dannyh-mozilla-common-voice-7-0","title":{"rendered":"Mozilla Common Voice 7.0 h\u00e4\u00e4ldataadete v\u00e4rskendus","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
NVIDIA ja Mozilla tutvustasid h\u00e4\u00e4lainete komplektide uuendust, mis on kogutud Common Voice algatuse raames ja sisaldavad 182 000 inimese h\u00e4\u00e4ldusn\u00e4idet, mis on 25% rohkem kui kuue kuu eest. Andmed on avaldatud kui avalik domeen (CC0). Pakutavaid komplekte saab kasutada masin\u00f5ppes k\u00f5netuvastuse ja genereerimise mudelite loomisel. <\/p>\n
Eelmise uuendusega v\u00f5rreldes on k\u00f5neaine maht kollektsioonis suurenenud 9 000-st 13 900 tunnini. Toetatud keelte arv on t\u00f5usnud 60-lt 76-le, sealhulgas on esmakordselt lisatud toetust Valgevene, K\u00f5rg\u00f5zi, Usbeki, Bulgaaria, Armeenia, Aserbaid\u017eaani ja Ba\u0161kiiri keelele. Venekeelne komplekt h\u00f5lmab 2136 osalejat ja 173 tunni jagu k\u00f5neainet (oli 1412 osalejat ja 111 tundi), ukrainakeelne komplekt aga 615 osalejat ja 66 tundi (oli 459 osalejat ja 30 tundi). <\/p>\n
In English material preparation, over 75,000 people contributed, recording 2,637 hours of verified speech (there were 66,000 participants and 1,686 hours). Interestingly, the second language by the volume of data accumulated is Kinyarwanda, with 2,260 hours gathered. It is followed by German (1,040), Catalan (920), and Esperanto (840). Among the languages experiencing the most dynamic growth in voice data, Thai shows significant growth (20-fold increase, from 12 to 250 hours), Luganda (from 8 to 80 hours), Esperanto (from 100 to 840 hours), and Tamil (from 24 to 220 hours). <\/p>\n
Common Voice projektis osaledes valmistas NVIDIA v\u00e4lja valmis treenitud mudelid, mis p\u00f5hinevad kogutud andmetel ja on m\u00f5eldud masin\u00f5ppes\u00fcsteemide jaoks (toetab PyTorch). Mudelid on osa tasuta ja avatud t\u00f6\u00f6riistadest NVIDIA NeMo, mida n\u00e4iteks juba kasutavad MTS ja Sberbank automatiseeritud h\u00e4\u00e4ltehnoloogia teenused. Mudelid on suunatud k\u00f5netuvastus-, k\u00f5nes\u00fcnteesi- ja loomuliku keele t\u00f6\u00f6tlemise s\u00fcsteemidesse ning v\u00f5ivad olla kasulikud teadlastele, kes tegelevad h\u00e4\u00e4lte dialoogis\u00fcsteemide, transkriptsiooniplatvormide ja automatiseeritud k\u00f5nekeskuste loomisega. Erinevalt varasematest projektidest ei piira avaldatud mudelid ainult ingliskeelset k\u00f5net, vaid katavad erinevaid keeli, aktsente ja k\u00f5neviise. <\/p>\n
Tuletud, et projekt Common Voice keskendub koost\u00f6\u00f6 korraldamisele h\u00e4\u00e4lskeemide kogumise osas, arvestades h\u00e4\u00e4le ja k\u00f5neviisi mitmekesisust. Kasutajatele pakutakse ekraanil kuvatud lauset h\u00e4\u00e4letada v\u00f5i hinnata teiste kasutajate lisatud andmete kvaliteeti. Kogutud andmebaasi, mis sisaldab erineva h\u00e4\u00e4lduse inimk\u00f5ne t\u00fc\u00fcpiliste fraaside salvestisi ilma piiranguteta, saab kasutada masin\u00f5ppes\u00fcsteemides ja teadusprojektides. <\/p>\n
Vosk h\u00e4\u00e4ltuvuse teeki autori arvates on Common Voice'i andmekogumi puudusteks h\u00e4\u00e4lematerjali \u00fchek\u00fclgsus (noorte meeste \u00fclekaal 20-30 aastat, samuti naiste, laste ja vanemate inimeste h\u00e4\u00e4lte puudus), s\u00f5navara varieerumatuse puudumine (samade fraaside kordamine) ja salvestuste levik moonutava MP3 formaadini. \n Allikas: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"