A empresa Mozilla atualizou os conjuntos de dados de voz Common Voice, que incluem amostras de pronúncia de mais de 200 mil pessoas. Os dados foram publicados como domínio público (CC0). Os conjuntos propostos podem ser usados em sistemas de aprendizado de máquina para a construção de modelos de reconhecimento e síntese de fala. Em comparação com a atualização anterior, o volume de material de fala na coleção aumentou de 31,1 para 31,8 mil horas de fala, das quais 20,8 mil horas passaram pelo processo de verificação. O número de idiomas suportados aumentou de 124 para 129 (foram adicionados os idiomas de tribos africanas: kosa, kalenjin, kidawida, doluo e tswana).
Na preparação dos materiais em inglês, participaram 93,3 mil pessoas, que ditaram 3554 horas de fala (eram 92,3 mil participantes e 3508 horas). O conjunto para o idioma bielorrusso abrange 8400 participantes e 1815 horas de material de fala (eram 8291 participantes e 1766 horas), o idioma russo — 3241 participantes e 277 horas (eram 3206 participantes e 274 horas), o uzbeque — 2189 participantes e 265 horas (eram 2170 participantes e 264 horas), o idioma ucraniano — 1091 participante e 113 horas (eram 1075 participantes e 112 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
