A Mozilla frissítette a Common Voice hangadat-készleteit, amelyek több mint 200 ezer ember kiejtési példáit tartalmazzák. Az adatok közszabadon hozzáférhetőek (CC0). A javasolt készletek felhasználhatóak gépi tanulási rendszerekben a beszédfelismerés és a beszédszintézis modelljeinek kidolgozásához. A legutóbbi frissítéshez képest a gyűjteményben lévő beszédanyag mennyisége 31,8-ról 32,6 ezer órára nőtt, ebből több mint 20 ezer órát ellenőriztek. A támogatott nyelvek száma 129-ről 131-re emelkedett.
Az angol nyelvű anyagok előkészítésében 93,9 ezer ember vett részt, akik 3587 órányi beszédet diktáltak (korábban 93,3 ezer résztvevő és 3554 óra). A fehérorosz nyelv készlete 8444 résztvevőt és 1846 órányi beszédanyagot ölel fel (korábban 8400 résztvevő és 1815 óra), az orosz nyelv esetében 3296 résztvevő és 278 óra (korábban 3241 résztvevő és 277 óra), az üzbég nyelv 2200 résztvevő és 265 óra (korábban 2189 résztvevő és 265 óra), az ukrán nyelv 1104 résztvevő és 114 óra (korábban 1091 résztvevő és 113 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
