Mozilla Common Voice 12.0 अपडेट

Mozilla ने 200 हून अधिक लोकांचे उच्चारण नमुने समाविष्ट करण्यासाठी त्यांचे कॉमन व्हॉइस डेटासेट अपडेट केले आहेत. डेटा सार्वजनिक डोमेन (CC0) म्हणून प्रकाशित केला जातो. प्रस्तावित सेट्सचा वापर मशीन लर्निंग सिस्टममध्ये स्पीच रेकग्निशन आणि सिंथेसिस मॉडेल्स तयार करण्यासाठी केला जाऊ शकतो.

मागील अद्यतनाच्या तुलनेत, संग्रहातील भाषण सामग्रीचे प्रमाण 23.8 वरून 25.8 हजार तासांच्या भाषणात वाढले. 88 हजारांहून अधिक लोकांनी इंग्रजीमध्ये साहित्य तयार करण्यात भाग घेतला, 3161 तासांचे भाषण (तेथे 84 हजार सहभागी आणि 3098 तास होते). बेलारशियन भाषेच्या संचामध्ये 7903 सहभागी आणि 1419 तासांचे भाषण साहित्य समाविष्ट आहे (तेथे 6965 सहभागी आणि 1217 तास होते), रशियन - 2815 सहभागी आणि 229 तास (तेथे 2731 सहभागी आणि 215 तास होते), उझबेक - 2092 सहभागी आणि 262 तास तेथे 2025 सहभागी आणि 258 तास होते), युक्रेनियन भाषा - 780 सहभागी आणि 87 तास (तेथे 759 सहभागी आणि 87 तास होते).

कॉमन व्हॉइस प्रकल्पाचे उद्दिष्ट आहे की व्हॉइस पॅटर्नचा डेटाबेस जमा करण्यासाठी संयुक्त कार्य आयोजित करणे जे आवाज आणि उच्चार शैलीतील विविधता लक्षात घेते. वापरकर्त्यांना स्क्रीनवर प्रदर्शित व्हॉइस वाक्यांशांसाठी आमंत्रित केले जाते किंवा इतर वापरकर्त्यांनी जोडलेल्या डेटाच्या गुणवत्तेचे मूल्यांकन केले जाते. मानवी भाषणातील ठराविक वाक्प्रचारांच्या विविध उच्चारांच्या नोंदी असलेला संचित डेटाबेस मशीन लर्निंग सिस्टम आणि संशोधन प्रकल्पांमध्ये निर्बंधांशिवाय वापरला जाऊ शकतो.

स्त्रोत: opennet.ru