{"id":103143,"date":"2022-01-31T09:36:50","date_gmt":"2022-01-31T07:36:50","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/obnovlenie-golosovyh-dannyh-mozilla-common-voice-8-0"},"modified":"2022-01-31T09:36:50","modified_gmt":"2022-01-31T07:36:50","slug":"obnovlenie-golosovyh-dannyh-mozilla-common-voice-8-0","status":"publish","type":"post","link":"https:\/\/prohoster.info\/it\/blog\/news\/obnovlenie-golosovyh-dannyh-mozilla-common-voice-8-0","title":{"rendered":"Aggiornamento dei dati vocali di Mozilla Common Voice 8.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Mozilla ha rilasciato un aggiornamento dei set di dati vocali Common Voice, contenente esempi di pronuncia di circa 200.000 persone. I dati sono stati pubblicati come pubblico dominio (CC0). I set proposti possono essere utilizzati in sistemi di apprendimento automatico per costruire modelli di riconoscimento e sintesi vocale. Rispetto all'aggiornamento precedente, il volume del materiale vocale nella collezione \u00e8 aumentato del 30% \u2014 da 13,9 a 18,2 mila ore di voce. Il numero delle lingue supportate \u00e8 aumentato da 67 a 87. <\/p>\n
Il set per la lingua russa comprende 2452 partecipanti e 193 ore di materiale vocale (rispetto ai 2136 partecipanti e 173 ore precedenti), per la lingua bielorussa \u2014 6160 partecipanti e 987 ore (rispetto a 3831 partecipanti e 356 ore precedenti), per la lingua ucraina \u2014 684 partecipanti e 76 ore (rispetto a 615 partecipanti e 66 ore). Nella preparazione dei materiali in lingua inglese hanno partecipato oltre 79.000 persone, che hanno registrato 2886 ore di parlato certificato (rispetto ai 75.000 partecipanti e 2637 ore precedenti). <\/p>\n
Ricordiamo che il progetto Common Voice \u00e8 mirato a organizzare una collaborazione per accumulare un database di modelli vocali che tenga conto di tutta la variet\u00e0 di voci e modi di espressione. Gli utenti sono invitati a registrare le frasi visualizzate sullo schermo oppure a valutare la qualit\u00e0 dei dati aggiunti da altri utenti. Il database accumulato con registrazioni di vari pronunciamenti di frasi tipiche del linguaggio umano, senza restrizioni, pu\u00f2 essere utilizzato in sistemi di apprendimento automatico e in progetti di ricerca. Secondo l'autore della libreria di riconoscimento del parlato continuo Vosk, le carenze del set Common Voice sono l'unilateralit\u00e0 del materiale vocale (predominanza di uomini di et\u00e0 compresa tra 20 e 30 anni e mancanza di materiale con voci di donne, bambini e persone anziane), l'assenza di variet\u00e0 nel vocabolario (ripetizione delle stesse frasi) e la diffusione di registrazioni in formato MP3 che introducono distorsioni. <\/p>\n
Inoltre, si segnala il rilascio dello strumento NVIDIA NeMo 1.6, che offre metodi di apprendimento automatico per la creazione di sistemi di riconoscimento vocale, sintesi vocale e elaborazione del linguaggio naturale. NeMo include modelli pre-addestrati per sistemi di machine learning basati sul framework PyTorch, sviluppati da NVIDIA utilizzando i dati vocali di Common Voice, coprendo diverse lingue, accenti e forme di linguaggio. Questi modelli possono essere utili per i ricercatori che lavorano su sistemi di dialogo vocale, piattaforme di trascrizione e call center automatizzati. Ad esempio, NVIDIA NeMo \u00e8 utilizzato nei servizi vocali automatizzati di MTS e Sberbank. Il codice di NeMo \u00e8 scritto in Python utilizzando PyTorch ed \u00e8 distribuito con licenza Apache 2.0. \n Fonte: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"