A Mozilla frissítette a Common Voice hanganyagai készletét, amely több mint 200 ezer ember kiejtési példáit tartalmazza. Az adatok közkinccsé váltak (CC0). A javasolt készletek felhasználhatók gépi tanulási rendszerekben a beszédfelismerési és -sintézési modellek építésére. Az előző frissítés óta a gyűjtemény beszédanyaga 31,1 ezerről 31,8 ezer órára nőtt, amelyből 20,8 ezer órát ellenőriztek. A támogatott nyelvek száma 124-ről 129-re nőtt (hozzáadva a kosá, kalenjin, kidavida, doluo és tswana afrikai törzsi nyelveket).
Az angol nyelvű anyagok elkészítésében 93,3 ezer ember vett részt, akik 3554 óra beszédet diktáltak (korábban 92,3 ezer résztvevő és 3508 óra). A belorusz nyelvű készlet 8400 résztvevőt és 1815 óra beszédanyagot foglal magában (korábban — 8291 résztvevő és 1766 óra), az orosz nyelvből 3241 résztvevő és 277 óra (korábban 3206 résztvevő és 274 óra), az üzbég nyelv 2189 résztvevőt és 265 órát (korábban 2170 résztvevő és 264 óra), az ukrán nyelvből 1091 résztvevő és 113 óra (korábban 1075 résztvevő és 112 óra).
A Common Voice projekt célja egy közös munkafolyamat kidolgozása, amely a hangmintázatok adatbázisának felhalmozására irányul, figyelembe véve a hangok és a beszédstílusok sokféleségét. A felhasználók javasolt kijelentéseket mondanak el, vagy értékelik a más felhasználók által hozzáadott adatok minőségét. Az összegyűlt adatbázis a különböző kiejtésmódú normál mondatok rögzítéseivel korlátozások nélkül használható gépi tanulási rendszerekben és kutatási projektekben.
Forrás: opennet.ru
