NVIDIA משקיעה 1.5 מיליון דולר בפרויקט Mozilla Common Voice

NVIDIA משקיעה 1.5 מיליון דולר בפרויקט Mozilla Common Voice. העניין במערכות זיהוי דיבור נובע מהתחזית שבמהלך עשר השנים הקרובות, טכנולוגיית הקול תהפוך לאחת הדרכים העיקריות שבהן אנשים מתקשרים עם מכשירים, החל ממחשבים וטלפונים ועד עוזרים דיגיטליים וקיוסקים.

הביצועים של מערכות קול תלויים מאוד בעוצמת הקול ובמגוון הנתונים הקוליים הזמינים לאימון מודלים של למידת מכונה. טכנולוגיית הקול של היום מתמקדת בעיקר בזיהוי שפה אנגלית ואינה מכסה את המגוון העצום של שפות, מבטאים ודפוסי דיבור. ההשקעה תסייע להאיץ את הצמיחה של נתוני קול ציבוריים, לערב קהילות ומתנדבים נוספים ולהרחיב את מספר צוות הפרויקט במשרה מלאה.

נזכיר לכם כי פרויקט הקול המשותף נועד לארגן עבודה משותפת לצבירת מאגר תבניות קול שלוקח בחשבון את מגוון הקולות וסגנונות הדיבור. משתמשים מוזמנים לביטויים קוליים המוצגים על המסך או להעריך את איכות הנתונים שנוספו על ידי משתמשים אחרים. ניתן להשתמש במסד הנתונים המצטבר עם רישומים של הגיות שונות של ביטויים טיפוסיים של דיבור אנושי ללא הגבלות במערכות למידת מכונה ובפרויקטי מחקר.

סט Common Voice כולל כיום דוגמאות הגייה של למעלה מ-164 אנשים. כ-9 שעות של נתונים קוליים הצטברו ב-60 שפות שונות. הסט לשפה הרוסית מכסה 1412 משתתפים ו-111 שעות של חומר דיבור, ולשפה האוקראינית - 459 משתתפים ו-30 שעות. לשם השוואה, יותר מ-66 אלף איש לקחו חלק בהכנת חומרים באנגלית, שהכתיבו 1686 שעות של דיבור מאומת. ניתן להשתמש בערכות המוצעות במערכות למידת מכונה לבניית מודלים של זיהוי דיבור וסינתזה. הנתונים מתפרסמים כנחלת הכלל (CC0).

לדברי מחבר ספריית זיהוי הדיבור המתמשך Vosk, החסרונות של ערכת ה-Common Voice הם החד-צדדיות של חומר הקול (הדומיננטיות של גברים בני 20-30, והיעדר חומר עם קולות של נשים , ילדים וקשישים), חוסר השונות במילון (חזרה על אותם ביטויים) והפצת הקלטות בפורמט MP3 מעוות.

מקור: OpenNet.ru