NVIDIA ລົງທຶນ 1.5 ລ້ານໂດລາໃນໂຄງການ Mozilla Common Voice

NVIDIA ກໍາລັງລົງທຶນ $1.5 ລ້ານໃນໂຄງການ Mozilla Common Voice. ຄວາມສົນໃຈໃນລະບົບການຮັບຮູ້ສຽງເວົ້າແມ່ນມາຈາກການຄາດຄະເນວ່າໃນສິບປີຂ້າງຫນ້າ, ເຕັກໂນໂລຢີສຽງຈະກາຍເປັນຫນຶ່ງໃນວິທີຕົ້ນຕໍທີ່ຜູ້ຄົນພົວພັນກັບອຸປະກອນຕ່າງໆຕັ້ງແຕ່ຄອມພິວເຕີແລະໂທລະສັບໄປຫາຜູ້ຊ່ວຍດິຈິຕອນແລະ kiosk.

ປະສິດທິພາບຂອງລະບົບສຽງແມ່ນຂຶ້ນກັບລະດັບສຽງແລະຄວາມຫລາກຫລາຍຂອງຂໍ້ມູນສຽງທີ່ມີຢູ່ສໍາລັບແບບຈໍາລອງການຮຽນຮູ້ເຄື່ອງຈັກ. ເທັກໂນໂລຍີສຽງຂອງມື້ນີ້ເນັ້ນໃສ່ການຮັບຮູ້ພາສາອັງກິດເປັນຫຼັກ ແລະບໍ່ໄດ້ກວມເອົາພາສາ, ສຳນຽງ, ແລະຮູບແບບການປາກເວົ້າທີ່ກວ້າງຂວາງ. ການລົງທຶນດັ່ງກ່າວຈະຊ່ວຍເລັ່ງການຂະຫຍາຍຕົວຂອງຂໍ້ມູນສຽງສາທາລະນະ, ມີສ່ວນຮ່ວມກັບຊຸມຊົນ ແລະອາສາສະໝັກຫຼາຍຂຶ້ນ, ແລະຂະຫຍາຍຈໍານວນພະນັກງານເຕັມເວລາຂອງໂຄງການ.

ໃຫ້ພວກເຮົາເຕືອນທ່ານວ່າໂຄງການ Common Voice ແມ່ນແນໃສ່ການຈັດຕັ້ງວຽກງານຮ່ວມກັນເພື່ອສະສົມຖານຂໍ້ມູນຂອງຮູບແບບສຽງທີ່ຄໍານຶງເຖິງຄວາມຫຼາກຫຼາຍຂອງສຽງແລະຮູບແບບການປາກເວົ້າ. ຜູ້ໃຊ້ໄດ້ຖືກເຊື້ອເຊີນໃຫ້ໃຊ້ປະໂຫຍກສຽງທີ່ສະແດງຢູ່ໃນຫນ້າຈໍຫຼືປະເມີນຄຸນນະພາບຂອງຂໍ້ມູນທີ່ເພີ່ມໂດຍຜູ້ໃຊ້ອື່ນໆ. ຖານຂໍ້ມູນສະສົມທີ່ມີບັນທຶກການອອກສຽງຕ່າງໆຂອງປະໂຫຍກປົກກະຕິຂອງຄໍາເວົ້າຂອງມະນຸດສາມາດນໍາໃຊ້ໄດ້ໂດຍບໍ່ມີຂໍ້ຈໍາກັດໃນລະບົບການຮຽນຮູ້ເຄື່ອງຈັກແລະໃນໂຄງການຄົ້ນຄ້ວາ.

ປະຈຸບັນຊຸດສຽງທົ່ວໄປປະກອບມີຕົວຢ່າງການອອກສຽງຈາກຫຼາຍກວ່າ 164 ຄົນ. ປະມານ 9 ພັນຊົ່ວໂມງຂອງຂໍ້ມູນສຽງໄດ້ຖືກສະສົມຢູ່ໃນ 60 ພາສາທີ່ແຕກຕ່າງກັນ. ຊຸດສໍາລັບພາສາລັດເຊຍກວມເອົາ 1412 ຜູ້ເຂົ້າຮ່ວມແລະ 111 ຊົ່ວໂມງຂອງອຸປະກອນການເວົ້າ, ແລະສໍາລັບພາສາອູແກຣນ - 459 ຜູ້ເຂົ້າຮ່ວມແລະ 30 ຊົ່ວໂມງ. ສໍາລັບການປຽບທຽບ, ຫຼາຍກ່ວາ 66 ພັນຄົນໄດ້ເຂົ້າຮ່ວມໃນການກະກຽມອຸປະກອນການເປັນພາສາອັງກິດ, dictating 1686 ຊົ່ວໂມງຂອງຄໍາເວົ້າທີ່ຢືນຢັນ. ຊຸດທີ່ສະເຫນີສາມາດຖືກນໍາໃຊ້ໃນລະບົບການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອສ້າງການຮັບຮູ້ສຽງເວົ້າແລະຮູບແບບການສັງເຄາະ. ຂໍ້ມູນຖືກເຜີຍແຜ່ເປັນໂດເມນສາທາລະນະ (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