મોઝિલા કોમન વોઇસ 9.0 અપડેટ

મોઝિલાએ તેના કોમન વોઇસ ડેટાસેટ્સ માટે એક અપડેટ બહાર પાડ્યું છે, જેમાં આશરે 200 લોકોના ઉચ્ચારણ નમૂનાઓનો સમાવેશ થાય છે. આ ડેટા પબ્લિક ડોમેન (CC0) માં પ્રકાશિત થાય છે. પ્રસ્તાવિત ડેટાસેટ્સનો ઉપયોગ મશીન લર્નિંગ સિસ્ટમ્સમાં સ્પીચ રેકગ્નિશન અને સિન્થેસિસ મોડેલ બનાવવા માટે થઈ શકે છે.

અગાઉના અપડેટની તુલનામાં, સંગ્રહમાં ભાષણ ડેટાનું પ્રમાણ 10% વધ્યું છે - 18.2 થી 20.2 હજાર કલાક ભાષણ. સમર્થિત ભાષાઓની સંખ્યા 87 થી વધીને 93 થઈ ગઈ છે. 27 ભાષાઓ માટે 100 કલાકથી વધુ ભાષણ ડેટા અને 9 ભાષાઓ માટે 500 કલાકથી વધુ ભાષણ ડેટા એકઠા કરવામાં આવ્યો છે. અમે 9 ભાષાઓ માટે ઓછામાં ઓછી 45% સ્ત્રી-ભાષી વસ્તી પણ પ્રાપ્ત કરી છે.

અંગ્રેજી ભાષાની સામગ્રીની તૈયારીમાં 81 થી વધુ લોકોએ ભાગ લીધો હતો, જેમાં 2953 કલાકનું ભાષણ (79 સહભાગીઓ અને 2886 કલાકની સરખામણીમાં) આપવામાં આવ્યું હતું. બેલારુસિયન ભાષાના સમૂહમાં 6326 સહભાગીઓ અને 1054 કલાકનું ભાષણ સામગ્રી (6160 સહભાગીઓ અને 987 કલાકની સરખામણીમાં), રશિયન - 2585 સહભાગીઓ અને 201 કલાક (2452 સહભાગીઓ અને 193 કલાકની સરખામણીમાં), ઉઝબેક - 1503 સહભાગીઓ અને 231 કલાક (1355 સહભાગીઓ અને 227 કલાકની સરખામણીમાં), અને યુક્રેનિયન - 696 સહભાગીઓ અને 79 કલાક (684 સહભાગીઓ અને 76 કલાકની સરખામણીમાં)નો સમાવેશ થતો હતો.

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