{"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 Mozilla Common Voice 8.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Mozilla ha presentato un aggiornamento per i set di dati vocali Common Voice, che includono esempi di pronuncia di circa 200.000 persone. I dati sono stati pubblicati come dominio pubblico (CC0). I set proposti possono essere utilizzati nei sistemi di apprendimento automatico per sviluppare modelli di riconoscimento e sintesi vocale. Rispetto al precedente aggiornamento, il volume del materiale vocale nella collezione \u00e8 aumentato del 30% \u2014 passando da 13,9 a 18,2 mila ore di voce. Il numero di lingue supportate \u00e8 aumentato da 67 a 87. <\/p>\n
Il set per la lingua russa copre 2.452 partecipanti e 193 ore di materiale vocale (precedentemente 2.136 partecipanti e 173 ore), per la lingua bielorussa \u2014 6.160 partecipanti e 987 ore (precedentemente 3.831 partecipanti e 356 ore), per la lingua ucraina \u2014 684 partecipanti e 76 ore (precedentemente 615 partecipanti e 66 ore). Nella preparazione dei materiali in lingua inglese hanno partecipato oltre 79.000 persone, che hanno registrato 2.886 ore di discorsi comprovati (precedentemente 75.000 partecipanti e 2.637 ore). <\/p>\n
Ricordiamo che il progetto Common Voice mira a organizzare una collaborazione per accumulare una base di modelli vocali che rappresenti la variet\u00e0 di voci e modi di parlare. Agli utenti viene proposto di pronunciare le frasi visualizzate sullo schermo o di valutare la qualit\u00e0 dei dati aggiunti da altri utenti. La base di dati accumulata con registrazioni di varia pronuncia di frasi comuni pu\u00f2 essere utilizzata senza restrizioni nei sistemi di apprendimento automatico e nei progetti di ricerca. Secondo l'autore della libreria di riconoscimento vocale continuo Vosk, i difetti del set Common Voice sono la parzialit\u00e0 del materiale vocale (sovrabbondanza di uomini di et\u00e0 compresa tra i 20 e i 30 anni e mancanza di materiale con la voce di donne, bambini e anziani), l'assenza di variabilit\u00e0 nel vocabolario (ripetizione delle stesse frasi) e la diffusione di registrazioni in un formato MP3 che introduce distorsioni. <\/p>\n
Inoltre, si pu\u00f2 notare 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 apprendimento automatico basati sul framework PyTorch, preparati da NVIDIA utilizzando dati vocali di Common Voice e che coprono diverse lingue, accenti e modi di parlare. Questi modelli possono essere utili per i ricercatori che lavorano alla creazione di sistemi di dialogo vocale, piattaforme per la trascrizione e call center automatizzati. Ad esempio, NVIDIA NeMo viene utilizzato nei servizi vocali automatizzati di MTS e Sberbank. Il codice NeMo \u00e8 scritto in Python utilizzando PyTorch ed \u00e8 distribuito sotto la licenza Apache 2.0. \n Fonte: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"