Mozilla heeft de spraakdatapakketten van Common Voice bijgewerkt, met uitspraakvoorbeelden van meer dan 200.000 mensen. De gegevens zijn gepubliceerd als openbaar domein (CC0). De voorgestelde pakketten kunnen worden gebruikt in machine learning-systemen voor het bouwen van spraakherkennings- en spraaksynthesemodellen.
Vergeleken met de vorige update is de hoeveelheid spraakmateriaal in de collectie gestegen van 23,8 naar 25,8 duizend uur spraak. Meer dan 88.000 mensen hebben bijgedragen aan het Engelse materiaal, goed voor 3.161 uur spraak (er waren 84.000 deelnemers en 3.098 uur). De set voor de Wit-Russische taal omvat 7.903 deelnemers en 1.419 uur spraakmateriaal (eerder waren er 6.965 deelnemers en 1.217 uur), de Russische taal had 2.815 deelnemers en 229 uur (eerder 2.731 deelnemers en 215 uur), de Oezbeekse taal had 2.092 deelnemers en 262 uur (eerder 2.025 deelnemers en 258 uur), en de Oekraïense taal had 780 deelnemers en 87 uur (eerder 759 deelnemers en 87 uur).
Het Common Voice-project is gericht op het organiseren van samenwerking voor het opbouwen van een database van spraakpatronen die de diversiteit van stemmen en spreekstijlen weerspiegelt. Gebruikers wordt gevraagd om de op het scherm weergegeven zinnen in te spreken of de kwaliteit van gegevens die door andere gebruikers zijn toegevoegd te beoordelen. De opgebouwde database met opnames van verschillende uitspraken van typische menselijke spraakzinnen kan zonder beperkingen worden gebruikt in machine learning-systemen en onderzoeksprojecten.
Bron: opennet.ru
