Компания Mozilla представила обновление наборов голосовых данных Common Voice, включающих примеры произношения около 200 тысяч человек. Данные опубликованы как общественное достояние (CC0). Предложенные наборы можно использовать в системах машинного обучения для построения моделей распознавания и синтеза речи.
По сравнению с прошлым обновлением объём речевого материала в коллекции увеличился на 10% — с 18.2 до 20.2 тысяч часов речи. Число поддерживаемых языков возросло с 87 до 93. Для 27 языков накоплено более 100 часов речевых данных, а для 9 — более 500 часов речевых данных. Для 9 языков также удалось добиться доли женской речи, составляющей как минимум 45%.
В подготовке материалов на английском языке приняли участие более 81 тысяч человек, надиктовавших 2953 часов речи (было 79 тысяч участников и 2886 часов). Набор для белорусского языка охватывает 6326 участников и 1054 часа речевого материала (было — 6160 участников и 987 часов), русского языка — 2585 участников и 201 час (было 2452 участника и 193 часа), узбекского — 1503 участника и 231 час (было 1355 участников и 227 часов), украинского языка — 696 участников и 79 часов (было 684 участника и 76 часов).
Projeya Dengê Hevbeş armanc dike ku xebata hevbeş organîze bike da ku databasek ji qalibên dengan berhev bike ku cihêrengiya dengan û şêwazên axaftinê li ber çavan digire. Bikarhêner têne vexwendin ku biwêjên dengî yên ku li ser ekranê têne xuyang kirin an jî kalîteya daneyên ku ji hêla bikarhênerên din ve hatine zêdekirin dinirxînin. Databasa berhevkirî ya bi tomarên bilêvkirinên cihêreng ên biwêjên tîpîk ên axaftina mirovî dikare di pergalên fêrbûna makîneyê û di projeyên lêkolînê de bê sînor were bikar anîn.
Source: opennet.ru