મોઝિલા કોમન વોઇસ 12.0 અપડેટ

મોઝિલાએ 200 થી વધુ લોકોના ઉચ્ચારણ નમૂનાઓને સમાવવા માટે તેના કોમન વૉઇસ ડેટાસેટ્સને અપડેટ કર્યા છે. ડેટા સાર્વજનિક ડોમેન (CC0) તરીકે પ્રકાશિત થાય છે. સૂચિત સેટનો ઉપયોગ વાણી ઓળખ અને સંશ્લેષણ મોડલ બનાવવા માટે મશીન લર્નિંગ સિસ્ટમમાં થઈ શકે છે.

અગાઉના અપડેટની તુલનામાં, સંગ્રહમાં ભાષણ સામગ્રીનું પ્રમાણ 23.8 થી વધીને 25.8 હજાર કલાકના ભાષણ થયું છે. 88 હજારથી વધુ લોકોએ અંગ્રેજીમાં સામગ્રીની તૈયારીમાં ભાગ લીધો, 3161 કલાકના ભાષણ (ત્યાં 84 હજાર સહભાગીઓ અને 3098 કલાક હતા). બેલારુસિયન ભાષા માટેના સેટમાં 7903 સહભાગીઓ અને 1419 કલાકની ભાષણ સામગ્રી (ત્યાં 6965 સહભાગીઓ અને 1217 કલાક હતા), રશિયન - 2815 સહભાગીઓ અને 229 કલાક (ત્યાં 2731 સહભાગીઓ અને 215 કલાક હતા), ઉઝબેક - 2092 ભાગ લેનારાઓ અને 262 કલાક ત્યાં 2025 સહભાગીઓ અને 258 કલાક હતા), યુક્રેનિયન ભાષા - 780 સહભાગીઓ અને 87 કલાક (ત્યાં 759 સહભાગીઓ અને 87 કલાક હતા).

કોમન વૉઇસ પ્રોજેક્ટનો ઉદ્દેશ્ય વૉઇસ પેટર્નના ડેટાબેઝને એકઠા કરવા માટે સંયુક્ત કાર્યનું આયોજન કરવાનો છે જે અવાજો અને વાણી શૈલીઓની વિવિધતાને ધ્યાનમાં લે છે. વપરાશકર્તાઓને સ્ક્રીન પર પ્રદર્શિત વૉઇસ શબ્દસમૂહો અથવા અન્ય વપરાશકર્તાઓ દ્વારા ઉમેરાયેલા ડેટાની ગુણવત્તાનું મૂલ્યાંકન કરવા માટે આમંત્રિત કરવામાં આવે છે. માનવીય ભાષણના લાક્ષણિક શબ્દસમૂહોના વિવિધ ઉચ્ચારણોના રેકોર્ડ સાથે સંચિત ડેટાબેઝનો ઉપયોગ મશીન લર્નિંગ સિસ્ટમ્સ અને સંશોધન પ્રોજેક્ટ્સમાં પ્રતિબંધ વિના કરી શકાય છે.

સોર્સ: opennet.ru