A empresa Mozilla lançou uma atualização dos conjuntos de dados de voz Common Voice, incluindo amostras de pronúncia de cerca de 200 mil pessoas. Os dados foram publicados como domínio público (CC0). Os conjuntos propostos podem ser utilizados em sistemas de aprendizado de máquina para construir modelos de reconhecimento e síntese de fala.
Em comparação com a atualização anterior, o volume de material de fala na coleção aumentou em 10% — de 18,2 para 20,2 mil horas de fala. O número de idiomas suportados cresceu de 87 para 93. Para 27 idiomas, foram acumuladas mais de 100 horas de dados de fala, enquanto para 9 foram mais de 500 horas de dados de fala. Para 9 idiomas, também foi possível alcançar uma proporção de fala feminina de pelo menos 45%.
Na preparação de materiais em inglês, participaram mais de 81 mil pessoas, que ditaram 2953 horas de fala (eram 79 mil participantes e 2886 horas). O conjunto para o idioma bielorrusso abrange 6326 participantes e 1054 horas de material de fala (eram 6160 participantes e 987 horas), para o idioma russo — 2585 participantes e 201 hora (eram 2452 participantes e 193 horas), para o idioma uzbeque — 1503 participantes e 231 hora (eram 1355 participantes e 227 horas), e para o idioma ucraniano — 696 participantes e 79 horas (eram 684 participantes e 76 horas).
O projeto Common Voice visa organizar o trabalho colaborativo para acumular uma base de padrões de voz, levando em conta toda a diversidade de vozes e modos de fala. Os usuários são convidados a gravar as frases exibidas na tela ou avaliar a qualidade dos dados adicionados por outros usuários. A base de dados acumulada com gravações de várias pronúncias de frases típicas da fala humana pode ser usada sem restrições em sistemas de aprendizado de máquina e em projetos de pesquisa.
Fonte: opennet.ru
