Mozilla heeft de 18e dataset van Common Voice uitgebracht, die nu beschikbaar is voor download. Deze dataset maakt deel uit van de strategie van Mozilla om bredere toegang tot spraaktechnologieƫn te waarborgen. Het is een gratis dataset met meertalige spraakfragmenten en bijbehorende tekstgegevens, verspreid onder de CC0-licentie (publiek domein). Het maken van de dataset is een gezamenlijke inspanning van de gemeenschap, inclusief deelnemers die stem en tekst leveren, taalkundigen, technologen, wetenschappers en andere leden van de Common Voice-gemeenschap.
Het totale volume van de Common Voice-dataset is gestegen tot 31.841 uur, waarvan 20.789 uur spraakgegevens is gevalideerd door de gemeenschap. Dit is 700 uur meer spraakgegevens vergeleken met de laatste release van de dataset en 381 uur meer nieuwe gevalideerde gegevens. De 18e dataset bestaat uit fragmenten in 129 talen, met inbegrip van 5 nieuwe talen die aan deze release zijn toegevoegd.
In de nieuwe dataset zijn vijf nieuwe talen opgenomen: Xhosa (Xhosa, Zuid-Afrika), Kalenjin (Kalenjin, Kenia), Kidawāida (Kidawāida, Kenia), Dholuo (Dholuo, Kenia en Tanzania) en Setswana (Setswana, Botswana, Zimbabwe, NamibiĆ«, Zuid-Afrika). Deze talen worden gesproken door honderden miljoenen mensen over de hele wereld, die nu betere ondersteuning voor spraaktechnologie kunnen krijgen.
Als je geĆÆnteresseerd bent in Common Voice, zijn er veel manieren om lid te worden van de gemeenschap van deelnemers. Je kunt je stem delen of originele bijdragen in jouw taal schrijven en indienen om te helpen de volgende dataset te creĆ«ren. Als jouw taal nog niet in Common Voice is, kun je een verzoek indienen voor toevoeging via een speciaal formulier. Technische bijdragen aan het open project op Github zijn ook welkom.
Mozilla is altijd blij met feedback over nieuwe releases. Je kunt contact met hen opnemen op de Common Voice-forums, met hen chatten in Matrix of het team rechtstreeks benaderen via commonvoice@mozilla.com. Ze zijn vooral geĆÆnteresseerd in het begrijpen wat gebruikers van datasets maken of onderzoeken met behulp van de dataset. Een beter inzicht in de behoeften van datasetgebruikers kan hen helpen de richting te bepalen die beter aansluit bij de behoeften van gebruikers.
Bron: linux.org.ru
