NVIDIA iegulda 1.5 miljonus ASV dolÄru Mozilla Common Voice projektÄ. Interese par runas atpazÄ«Å”anas sistÄmÄm izriet no prognozes, ka nÄkamo desmit gadu laikÄ balss tehnoloÄ£ijas kļūs par vienu no galvenajiem veidiem, kÄ cilvÄki mijiedarbojas ar dažÄdÄm ierÄ«cÄm, sÄkot no datoriem un tÄlruÅiem lÄ«dz digitÄlajiem asistentiem un tirdzniecÄ«bas automÄtiem.
Balss sistÄmu veiktspÄja ir ļoti atkarÄ«ga no maŔīnmÄcÄ«Å”anÄs modeļu apmÄcÄ«bai pieejamo balss datu apjoma un daudzveidÄ«bas. PaÅ”reizÄjÄs balss tehnoloÄ£ijas galvenokÄrt ir vÄrstas uz angļu valodas atpazÄ«Å”anu un neaptver plaÅ”u valodu, akcentu un runas modeļu klÄstu. InvestÄ«cijas palÄ«dzÄs paÄtrinÄt publiski pieejamo balss datu pieaugumu, iesaistÄ«t vairÄk kopienu un brÄ«vprÄtÄ«go, kÄ arÄ« palielinÄt pilnas slodzes projekta darbinieku skaitu.
AtgÄdinÄsim, ka projekts Common Voice ir vÄrsts uz kopÄ«gu darbu organizÄÅ”anu, lai uzkrÄtu balss rakstu datubÄzi, kas Åem vÄrÄ balsu un runas stilu daudzveidÄ«bu. LietotÄji tiek aicinÄti izrunÄt ekrÄnÄ redzamÄs frÄzes vai novÄrtÄt citu lietotÄju pievienoto datu kvalitÄti. UzkrÄto datu bÄzi ar dažÄdu cilvÄka runas tipisku frÄžu dažÄdu izrunu ierakstiem var bez ierobežojumiem izmantot maŔīnmÄcÄ«bas sistÄmÄs un pÄtniecÄ«bas projektos.
PaÅ”laik Common Voice datu kopÄ ir iekļauti izrunas paraugi no vairÄk nekÄ 164 000 cilvÄku, kas aptver aptuveni 9000 stundas balss datu 60 dažÄdÄs valodÄs. Krievu valodas datu kopÄ ir iekļauti 1412 dalÄ«bnieki un 111 stundas runas materiÄla, savukÄrt ukraiÅu valodas datu kopÄ ir iekļauti 459 dalÄ«bnieki un 30 stundas. SalÄ«dzinÄjumam, angļu valodas datu kopÄ vairÄk nekÄ 66 000 cilvÄku ir snieguÅ”i 1686 stundas pÄrbaudÄ«tas runas. Å Ä«s datu kopas var izmantot maŔīnmÄcÄ«Å”anÄs sistÄmÄs, lai veidotu runas atpazÄ«Å”anas un sintÄzes modeļus. Dati ir publicÄti publiskajÄ domÄnÄ (CC0).
PÄc nepÄrtrauktÄs runas atpazÄ«Å”anas bibliotÄkas Vosk autora domÄm, Common Voice komplekta trÅ«kumi ir balss materiÄla vienpusÄ«ba (20-30 gadus vecu vÄ«rieÅ”u pÄrsvars un materiÄla trÅ«kums ar sievieÅ”u balsÄ«m. , bÄrni un veci cilvÄki), vÄrdnÄ«cas mainÄ«guma trÅ«kums (vienu un to paÅ”u frÄžu atkÄrtoÅ”ana) un ierakstu izplatÄ«Å”ana kropļojoÅ”Ä MP3 formÄtÄ.
Avots: opennet.ru
