ਮੋਜ਼ੀਲਾ ਕਾਮਨ ਵੌਇਸ 9.0 ਅੱਪਡੇਟ

ਮੋਜ਼ੀਲਾ ਨੇ ਆਪਣੇ ਕਾਮਨ ਵੌਇਸ ਡੇਟਾਸੇਟਾਂ ਲਈ ਇੱਕ ਅਪਡੇਟ ਜਾਰੀ ਕੀਤਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਲਗਭਗ 200 ਲੋਕਾਂ ਦੇ ਉਚਾਰਨ ਦੇ ਨਮੂਨੇ ਸ਼ਾਮਲ ਹਨ। ਡੇਟਾ ਜਨਤਕ ਡੋਮੇਨ (CC0) ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਪ੍ਰਸਤਾਵਿਤ ਡੇਟਾਸੇਟਾਂ ਨੂੰ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਭਾਸ਼ਣ ਪਛਾਣ ਅਤੇ ਸੰਸਲੇਸ਼ਣ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਪਿਛਲੇ ਅੱਪਡੇਟ ਦੇ ਮੁਕਾਬਲੇ, ਸੰਗ੍ਰਹਿ ਵਿੱਚ ਭਾਸ਼ਣ ਡੇਟਾ ਦੀ ਮਾਤਰਾ 10% ਵਧੀ ਹੈ - 18.2 ਤੋਂ 20.2 ਹਜ਼ਾਰ ਘੰਟੇ ਭਾਸ਼ਣ। ਸਮਰਥਿਤ ਭਾਸ਼ਾਵਾਂ ਦੀ ਗਿਣਤੀ 87 ਤੋਂ ਵਧ ਕੇ 93 ਹੋ ਗਈ ਹੈ। 27 ਭਾਸ਼ਾਵਾਂ ਲਈ 100 ਘੰਟਿਆਂ ਤੋਂ ਵੱਧ ਭਾਸ਼ਣ ਡੇਟਾ ਇਕੱਠਾ ਕੀਤਾ ਗਿਆ ਹੈ, ਅਤੇ 9 ਭਾਸ਼ਾਵਾਂ ਲਈ 500 ਘੰਟਿਆਂ ਤੋਂ ਵੱਧ ਭਾਸ਼ਣ ਡੇਟਾ। ਅਸੀਂ 9 ਭਾਸ਼ਾਵਾਂ ਲਈ ਘੱਟੋ-ਘੱਟ 45% ਦੀ ਔਰਤ-ਭਾਸ਼ੀ ਆਬਾਦੀ ਵੀ ਪ੍ਰਾਪਤ ਕੀਤੀ ਹੈ।

ਅੰਗਰੇਜ਼ੀ-ਭਾਸ਼ਾ ਸਮੱਗਰੀ ਦੀ ਤਿਆਰੀ ਵਿੱਚ 81 ਤੋਂ ਵੱਧ ਲੋਕਾਂ ਨੇ ਹਿੱਸਾ ਲਿਆ, ਜਿਸ ਵਿੱਚ 2953 ਘੰਟੇ ਭਾਸ਼ਣ ਦਿੱਤਾ ਗਿਆ (79 ਭਾਗੀਦਾਰਾਂ ਅਤੇ 2886 ਘੰਟਿਆਂ ਦੇ ਮੁਕਾਬਲੇ)। ਬੇਲਾਰੂਸੀ ਭਾਸ਼ਾ ਦੇ ਸੈੱਟ ਵਿੱਚ 6326 ਭਾਗੀਦਾਰ ਅਤੇ 1054 ਘੰਟੇ ਭਾਸ਼ਣ ਸਮੱਗਰੀ (6160 ਭਾਗੀਦਾਰਾਂ ਅਤੇ 987 ਘੰਟਿਆਂ ਦੇ ਮੁਕਾਬਲੇ), ਰੂਸੀ—2585 ਭਾਗੀਦਾਰ ਅਤੇ 201 ਘੰਟੇ (2452 ਭਾਗੀਦਾਰਾਂ ਅਤੇ 193 ਘੰਟਿਆਂ ਦੇ ਮੁਕਾਬਲੇ), ਉਜ਼ਬੇਕ—1503 ਭਾਗੀਦਾਰ ਅਤੇ 231 ਘੰਟੇ (1355 ਭਾਗੀਦਾਰਾਂ ਅਤੇ 227 ਘੰਟਿਆਂ ਦੇ ਮੁਕਾਬਲੇ), ਅਤੇ ਯੂਕਰੇਨੀ—696 ਭਾਗੀਦਾਰ ਅਤੇ 79 ਘੰਟੇ (684 ਭਾਗੀਦਾਰਾਂ ਅਤੇ 76 ਘੰਟਿਆਂ ਦੇ ਮੁਕਾਬਲੇ) ਸ਼ਾਮਲ 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