Mozilla Common Voice 8.0 음성 업데이트

Mozilla는 거의 200명의 발음 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 업데이트와 비교하여 컬렉션의 음성 자료 양은 30시간에서 13.9시간으로 18.2% 증가했습니다. 지원되는 언어 수가 67개에서 87개로 늘어났습니다.

러시아어 세트는 참가자 2452명과 연설 자료 193시간(참가자 2136명, 173시간), 벨라루스어의 경우 참가자 6160명, 참가자 987시간(참가자 3831명, 356시간), 우크라이나어의 경우 - 참가자 684명, 76시간(참가자 615명, 66시간). 79명 이상의 사람들이 영어 자료 준비에 참여하여 2886시간의 확인된 음성을 구술했습니다(참가자 75명, 2637시간).

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.

또한 음성 인식 시스템, 음성 합성 및 자연어 처리를 생성하기 위한 기계 학습 방법을 제공하는 NVIDIA NeMo 1.6 툴킷의 출시에 주목할 수 있습니다. NeMo에는 Common Voice 음성 데이터를 사용하고 다양한 언어, 억양 및 음성 형식을 다루는 NVIDIA가 준비한 PyTorch 프레임워크 기반의 기계 학습 시스템을 위해 즉시 사용 가능한 훈련 모델이 포함되어 있습니다. 이 모델은 음성 기반 대화 시스템, 전사 플랫폼 및 자동화된 콜 센터를 개발하는 연구자에게 유용할 수 있습니다. 예를 들어 NVIDIA NeMo는 MTS 및 Sberbank의 자동화된 음성 서비스에 사용됩니다. NeMo 코드는 PyTorch를 사용하여 Python으로 작성되었으며 Apache 2.0 라이선스에 따라 배포됩니다.

출처 : opennet.ru