Mozilla Common Voice 7.0 음성 업데이트

NVIDIA와 Mozilla는 182개월 전보다 25% 증가한 6명의 사람들의 음성 샘플을 포함하는 Common Voice 데이터 세트에 대한 업데이트를 출시했습니다. 데이터는 공개 도메인(CC0)으로 게시됩니다. 제안된 세트는 기계 학습 시스템에서 음성 인식 및 합성 모델을 구축하는 데 사용될 수 있습니다.

이전 업데이트에 비해 컬렉션의 음성 자료 크기가 음성 시간 9시간에서 13.9천 시간으로 늘어났습니다. 벨로루시어, 카자흐어, 우즈베크어, 불가리아어, 아르메니아어, 아제르바이잔어 및 바쉬키르어 언어에 대한 최초의 지원을 포함하여 지원되는 언어 수가 60개에서 76개로 늘어났습니다. 러시아어 세트는 참가자 2136명과 173시간의 연설 자료(참가자 1412명, 111시간)를 다루고, 우크라이나어 세트는 참가자 615명, 66시간(참가자 459명, 30시간)을 다룹니다.

75명이 넘는 사람들이 영어 자료 준비에 참여하여 2637시간의 확인된 음성을 구술했습니다(참가자 수는 66명, 1686시간). 흥미롭게도 데이터 누적량 기준 2260위 언어는 르완다로 1040시간이 수집됐다. 그 뒤를 독일어(920), 카탈로니아어(840), 에스페란토(20)가 따르고 있습니다. 음성 데이터의 크기가 가장 동적으로 증가하는 언어 중에는 태국어(기본 12시간에서 250시간으로 8배 증가), 루간다어(80시간에서 100시간), 에스페란토(840시간에서 24시간), 타밀어(기본 시간 220시간에서 XNUMX시간), 타밀어( XNUMX~XNUMX시간).시간).

Common Voice 프로젝트 참여의 일환으로 NVIDIA는 수집된 데이터를 기반으로 기계 학습 시스템(PyTorch 지원)을 위한 기성 학습 모델을 준비했습니다. 모델은 무료 개방형 NVIDIA NeMo 툴킷의 일부로 배포되며, 예를 들어 MTS 및 Sberbank의 자동화된 음성 서비스에 이미 사용되었습니다. 이 모델은 음성 인식, 음성 합성 및 자연어 처리 시스템에 사용하기 위한 것이며 음성 활성화 대화 시스템, 전사 플랫폼 및 자동화된 콜 센터를 구축하는 연구자에게 유용할 수 있습니다. 이전에 사용 가능한 프로젝트와 달리 게시된 모델은 영어 인식에만 국한되지 않고 다양한 언어, 억양 및 음성 형식을 포괄합니다.

Common Voice 프로젝트는 다양한 목소리와 말하기 스타일을 고려한 음성 패턴 데이터베이스를 축적하기 위해 공동 작업을 구성하는 것을 목표로 한다는 점을 상기시켜 드리겠습니다. 사용자는 화면에 표시되는 음성 문구에 초대되거나 다른 사용자가 추가한 데이터의 품질을 평가합니다. 인간의 대표적인 어구에 대한 다양한 발음이 기록된 축적된 데이터베이스는 기계학습 시스템 및 연구 프로젝트에서 제한 없이 활용될 수 있습니다.

Vosk 연속 음성 인식 라이브러리 작성자에 따르면 Common Voice 세트의 단점은 음성 자료의 일방성(20~30세 남성이 우세하고 여성의 목소리가 포함된 자료가 부족함)입니다. , 어린이 및 노인), 사전의 가변성 부족(동일한 문구의 반복) 및 왜곡된 MP3 형식의 녹음 배포.

출처 : opennet.ru