ਮੋਜ਼ੀਲਾ ਕਾਮਨ ਵੌਇਸ 12.0 ਅੱਪਡੇਟ

ਮੋਜ਼ੀਲਾ ਨੇ 200 ਤੋਂ ਵੱਧ ਲੋਕਾਂ ਦੇ ਉਚਾਰਨ ਦੇ ਨਮੂਨੇ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਆਪਣੇ ਕਾਮਨ ਵੌਇਸ ਡੇਟਾਸੇਟਸ ਨੂੰ ਅਪਡੇਟ ਕੀਤਾ ਹੈ। ਡੇਟਾ ਨੂੰ ਜਨਤਕ ਡੋਮੇਨ (CC0) ਵਜੋਂ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਪ੍ਰਸਤਾਵਿਤ ਸੈੱਟਾਂ ਦੀ ਵਰਤੋਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਬੋਲੀ ਪਛਾਣ ਅਤੇ ਸੰਸਲੇਸ਼ਣ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।

ਪਿਛਲੇ ਅਪਡੇਟ ਦੇ ਮੁਕਾਬਲੇ, ਸੰਗ੍ਰਹਿ ਵਿੱਚ ਭਾਸ਼ਣ ਸਮੱਗਰੀ ਦੀ ਮਾਤਰਾ 23.8 ਤੋਂ ਵੱਧ ਕੇ 25.8 ਹਜ਼ਾਰ ਘੰਟੇ ਦੇ ਭਾਸ਼ਣ ਤੱਕ ਪਹੁੰਚ ਗਈ ਹੈ। 88 ਹਜ਼ਾਰ ਤੋਂ ਵੱਧ ਲੋਕਾਂ ਨੇ ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਸਮੱਗਰੀ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਹਿੱਸਾ ਲਿਆ, 3161 ਘੰਟੇ ਦੇ ਭਾਸ਼ਣ (84 ਹਜ਼ਾਰ ਭਾਗੀਦਾਰ ਅਤੇ 3098 ਘੰਟੇ ਸਨ) ਬੇਲਾਰੂਸੀਅਨ ਭਾਸ਼ਾ ਲਈ ਸੈੱਟ ਵਿੱਚ 7903 ਭਾਗੀਦਾਰ ਅਤੇ 1419 ਘੰਟੇ ਦੀ ਭਾਸ਼ਣ ਸਮੱਗਰੀ (6965 ਭਾਗੀਦਾਰ ਅਤੇ 1217 ਘੰਟੇ ਸਨ), ਰੂਸੀ - 2815 ਭਾਗੀਦਾਰ ਅਤੇ 229 ਘੰਟੇ (ਇੱਥੇ 2731 ਭਾਗੀਦਾਰ ਅਤੇ 215 ਘੰਟੇ ਸਨ), ਉਜ਼ਬੇਕ - 2092 ਭਾਗੀਦਾਰ ਅਤੇ 262 ਘੰਟੇ ਇੱਥੇ 2025 ਭਾਗੀਦਾਰ ਅਤੇ 258 ਘੰਟੇ ਸਨ), ਯੂਕਰੇਨੀ ਭਾਸ਼ਾ - 780 ਭਾਗੀਦਾਰ ਅਤੇ 87 ਘੰਟੇ (759 ਭਾਗੀਦਾਰ ਅਤੇ 87 ਘੰਟੇ ਸਨ)।

ਕਾਮਨ ਵੌਇਸ ਪ੍ਰੋਜੈਕਟ ਦਾ ਉਦੇਸ਼ ਵੌਇਸ ਪੈਟਰਨਾਂ ਦੇ ਇੱਕ ਡੇਟਾਬੇਸ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਲਈ ਸਾਂਝੇ ਕੰਮ ਨੂੰ ਸੰਗਠਿਤ ਕਰਨਾ ਹੈ ਜੋ ਆਵਾਜ਼ਾਂ ਅਤੇ ਬੋਲਣ ਦੀਆਂ ਸ਼ੈਲੀਆਂ ਦੀ ਵਿਭਿੰਨਤਾ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦਾ ਹੈ। ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਸਕ੍ਰੀਨ 'ਤੇ ਪ੍ਰਦਰਸ਼ਿਤ ਵੌਇਸ ਵਾਕਾਂਸ਼ਾਂ ਜਾਂ ਦੂਜੇ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਸ਼ਾਮਲ ਕੀਤੇ ਗਏ ਡੇਟਾ ਦੀ ਗੁਣਵੱਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਸੱਦਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਮਨੁੱਖੀ ਭਾਸ਼ਣ ਦੇ ਆਮ ਵਾਕਾਂਸ਼ਾਂ ਦੇ ਵੱਖ-ਵੱਖ ਉਚਾਰਨਾਂ ਦੇ ਰਿਕਾਰਡਾਂ ਦੇ ਨਾਲ ਇਕੱਤਰ ਕੀਤੇ ਡੇਟਾਬੇਸ ਨੂੰ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਖੋਜ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ ਪਾਬੰਦੀਆਂ ਤੋਂ ਬਿਨਾਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਸਰੋਤ: opennet.ru