Mozilla heeft een update gepresenteerd van de Common Voice spraakdatabases, met voorbeelden van uitspraak van ongeveer 200.000 mensen. De gegevens zijn gepubliceerd als publiek domein (CC0). De aangeboden databases kunnen worden gebruikt in machine learning-systemen voor het bouwen van spraakherkennings- en synthese-modellen. In vergelijking met de vorige update is de hoeveelheid spraakmateriaal in de collectie met 30% toegenomen — van 13,9 naar 18,2 duizend uur spraak. Het aantal ondersteunde talen is gestegen van 67 naar 87.
De database voor het Russisch omvat 2452 deelnemers en 193 uur spraakmateriaal (voorheen 2136 deelnemers en 173 uur), voor het Wit-Russisch — 6160 deelnemers en 987 uur (voorheen 3831 deelnemers en 356 uur), voor het Oekraïens — 684 deelnemers en 76 uur (voorheen 615 deelnemers en 66 uur). Voor het voorbereiden van materialen in het Engels hebben meer dan 79.000 mensen deelgenomen, die 2886 uur bevestigde spraak hebben ingesproken (voorheen 75.000 deelnemers en 2637 uur).
Ter herinnering: het Common Voice-project is gericht op het organiseren van samenwerking voor het opbouwen van een database van stemtemplates die de diversiteit van stemmen en spreekstijlen weerspiegelt. Gebruikers worden gevraagd om de op het scherm weergegeven zinnen voor te lezen of de kwaliteit van gegevens, toegevoegd door andere gebruikers, te beoordelen. De opgebouwde database met opnames van verschillende uitspraak van standaardzinnen kan zonder beperkingen worden gebruikt in machine learning-systemen en onderzoeksprojecten. Volgens de auteur van de Vosk spraakherkenningsbibliotheek zijn de nadelen van de Common Voice-database de eenzijdigheid van het stemmateriaal (overwegend mannen van 20-30 jaar, en een tekort aan materiaal met stemmen van vrouwen, kinderen en oudere mensen), het gebrek aan variatie in de woordenschat (herhaling van dezelfde zinnen) en de beschikbaarheid van opnames in een vervormend mp3-formaat.
Bovendien kan de lancering van de NVIDIA NeMo 1.6-toolkit worden opgemerkt, die methoden voor machine learning biedt voor het creëren van spraakherkenningssystemen, spraaksynthese en verwerking van natuurlijke taal. NeMo bevat kant-en-klare getrainde modellen voor machine learning-systemen op basis van het PyTorch-framework, ontwikkeld door NVIDIA met behulp van spraakgegevens van Common Voice en dekt verschillende talen, accenten en spraakvormen. De modellen kunnen nuttig zijn voor onderzoekers die zich bezighouden met de ontwikkeling van spraakdialoogsysteem, transcriptieplatforms en geautomatiseerde callcenters. Zo wordt NVIDIA NeMo gebruikt in geautomatiseerde spraakdiensten van MTS en Sberbank. De NeMo-code is geschreven in Python met behulp van PyTorch en wordt verspreid onder de Apache 2.0-licentie.
Bron: opennet.ru
