Mozilla heeft de Common Voice-spraakdatapakketten bijgewerkt, die uitspraken bevatten van meer dan 200.000 mensen. De gegevens zijn gepubliceerd als publiek domein (CC0). De aangeboden pakketten kunnen worden gebruikt in machinaal leer-systemen voor het bouwen van modellen voor spraakherkenning en -synthese. In vergelijking met de vorige update is de hoeveelheid spraakmateriaal in de collectie toegenomen van 31,1 tot 31,8 duizend uur spraak, waarvan 20,8 duizend uur het validatieproces heeft doorlopen. Het aantal ondersteunde talen is gestegen van 124 naar 129 (de talen Kosa, Kalenjin, Kidawida, Dholuo en Tswana van Afrikaanse stammen zijn toegevoegd).
Bij de voorbereiding van materialen in het Engels waren 93.300 mensen betrokken, die 3.554 uur spraak opnamen (het waren 92.300 deelnemers en 3.508 uur). Het pakket voor de Wit-Russische taal bestrijkt 8.400 deelnemers en 1.815 uur spraakmateriaal (het waren 8.291 deelnemers en 1.766 uur), de Russische taal - 3.241 deelnemers en 277 uur (het waren 3.206 deelnemers en 274 uur), Oezbeekse - 2.189 deelnemers en 265 uur (het waren 2.170 deelnemers en 264 uur), Oekraïens - 1.091 deelnemers en 113 uur (het waren 1.075 deelnemers en 112 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
