Mozilla Common Voice 8.0 עדכון קולי

מוזילה פרסמה עדכון למערך הנתונים Common Voice שלה, הכוללים דגימות הגייה מכמעט 200 אנשים. הנתונים מתפרסמים כנחלת הכלל (CC0). ניתן להשתמש בערכות המוצעות במערכות למידת מכונה לבניית מודלים של זיהוי דיבור וסינתזה. בהשוואה לעדכון הקודם, נפח חומר הדיבור באוסף גדל ב-30% - מ-13.9 ל-18.2 אלף שעות דיבור. מספר השפות הנתמכות גדל מ-67 ל-87.

הסט לשפה הרוסית מכסה 2452 משתתפים ו-193 שעות של חומר דיבור (היו 2136 משתתפים ו-173 שעות), עבור השפה הבלארוסית - 6160 משתתפים ו-987 שעות (היו 3831 משתתפים ו-356 שעות), עבור השפה האוקראינית - 684 משתתפים ו-76 שעות (היו 615 משתתפים ו-66 שעות). יותר מ-79 אלף איש לקחו חלק בהכנת חומרים באנגלית, שהכתיבו 2886 שעות של דיבור מאומת (היו 75 אלף משתתפים ו-2637 שעות).

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 רשומות של הגיות שונות של ביטויים טיפוסיים של דיבור אנושי ללא הגבלות במערכות למידת מכונה ובפרויקטי מחקר. לדברי מחבר ספריית זיהוי הדיבור המתמשך Vosk, החסרונות של ערכת ה-Common Voice הם החד-צדדיות של חומר הקול (הדומיננטיות של אנשים גברים בני 20-30, והיעדר חומר עם קולות של נשים , ילדים וקשישים), חוסר השונות במילון (חזרה על אותם ביטויים) והפצת הקלטות בפורמט MP3 מעוות.

בנוסף, אנו יכולים לציין את שחרורו של ערכת הכלים NVIDIA NeMo 1.6, המספקת שיטות למידת מכונה ליצירת מערכות זיהוי דיבור, סינתזת דיבור ועיבוד שפה טבעית. NeMo כולל מודלים מאומנים מוכנים לשימוש עבור מערכות למידת מכונה המבוססים על מסגרת PyTorch, שהוכנה על ידי NVIDIA באמצעות נתוני דיבור Common Voice ומכסים מגוון שפות, מבטאים וצורות דיבור. המודלים עשויים להיות שימושיים עבור חוקרים המפתחים מערכות דיאלוג מבוססות קול, פלטפורמות תמלול ומוקדים טלפוניים אוטומטיים. לדוגמה, NVIDIA NeMo משמש בשירותי קול אוטומטיים של MTS ו- Sberbank. קוד ה-NeMo נכתב ב-Python באמצעות PyTorch ומופץ תחת רישיון Apache 2.0.

מקור: OpenNet.ru