NVIDIA ລົງທຶນ 1.5 ລ້ານໂດລາໃນໂຄງການ Mozilla Common Voice

Компания NVIDIA инвестирует 1.5 млн долларов в проект Mozilla Common Voice. Интерес к системам распознавания речи связан с прогнозом, что в следующие десять лет голосовые технологии станут одним из основных способов взаимодействия людей с различными устройствами, от компьютеров и телефонов, до цифровых ассистентов и киосков для продажи товаров.

Качество работы голосовых систем сильно зависит от объёма и разнообразия голосовых данных, доступных для тренировки моделей машинного обучения. Сегодняшние голосовые технологии в основном сосредоточены на распознании английского языка и не охватывают огромное количество языков, акцентов и моделей речи. Инвестиции помогут ускорить наращивание объёма общедоступных голосовых данных, привлечь к работе больше сообществ и волонтёров, а также расширить число сотрудников, занимающихся проектом в основное рабочее время.

ໃຫ້ພວກເຮົາເຕືອນທ່ານວ່າໂຄງການ Common Voice ແມ່ນແນໃສ່ການຈັດຕັ້ງວຽກງານຮ່ວມກັນເພື່ອສະສົມຖານຂໍ້ມູນຂອງຮູບແບບສຽງທີ່ຄໍານຶງເຖິງຄວາມຫຼາກຫຼາຍຂອງສຽງແລະຮູບແບບການປາກເວົ້າ. ຜູ້ໃຊ້ໄດ້ຖືກເຊື້ອເຊີນໃຫ້ໃຊ້ປະໂຫຍກສຽງທີ່ສະແດງຢູ່ໃນຫນ້າຈໍຫຼືປະເມີນຄຸນນະພາບຂອງຂໍ້ມູນທີ່ເພີ່ມໂດຍຜູ້ໃຊ້ອື່ນໆ. ຖານຂໍ້ມູນສະສົມທີ່ມີບັນທຶກການອອກສຽງຕ່າງໆຂອງປະໂຫຍກປົກກະຕິຂອງຄໍາເວົ້າຂອງມະນຸດສາມາດນໍາໃຊ້ໄດ້ໂດຍບໍ່ມີຂໍ້ຈໍາກັດໃນລະບົບການຮຽນຮູ້ເຄື່ອງຈັກແລະໃນໂຄງການຄົ້ນຄ້ວາ.

В настоящее время набор Common Voice включает примеры произношения более 164 тысяч людей. Накоплено около 9 тысяч часов голосовых данных на 60 различных языках. Набор для русского языка охватывает 1412 участников и 111 часов речевого материала, а для украинского языка — 459 участников и 30 часов. Для сравнения в подготовке материалов на английском языке приняли участие более 66 тысяч человек, надиктовавших 1686 часов подтверждённой речи. Предложенные наборы можно использовать в системах машинного обучения для построения моделей распознавания и синтеза речи. Данные опубликованы как общественное достояние (CC0).

ອີງຕາມຜູ້ຂຽນຂອງຫໍສະຫມຸດ Vosk ຮັບຮູ້ສຽງຢ່າງຕໍ່ເນື່ອງ, ຂໍ້ເສຍຂອງຊຸດສຽງທົ່ວໄປແມ່ນດ້ານຫນຶ່ງຂອງອຸປະກອນສຽງ (ຄວາມເດັ່ນຊັດຂອງຜູ້ຊາຍອາຍຸ 20-30 ປີ, ແລະການຂາດອຸປະກອນການສຽງຂອງແມ່ຍິງ. , ເດັກ​ນ້ອຍ​ແລະ​ຜູ້​ສູງ​ອາ​ຍຸ​)​, ຂາດ​ການ​ປ່ຽນ​ແປງ​ໃນ​ວັດ​ຈະ​ນາ​ນຸ​ກົມ (ການ​ຊ​້​ໍາ​ຂອງ​ປະ​ໂຫຍກ​ດຽວ​ກັນ​) ແລະ​ການ​ແຈກ​ຢາຍ​ການ​ບັນ​ທຶກ​ໃນ​ຮູບ​ແບບ MP3 ບິດ​ເບືອນ​.

ແຫຼ່ງຂໍ້ມູນ: opennet.ru