A Mozilla anunciou o lançamento do 18º conjunto de dados do Common Voice, que agora está disponível para download. Este conjunto de dados faz parte da estratégia da Mozilla para garantir um acesso mais amplo às tecnologias de voz. Ele é um conjunto de dados gratuito de fragmentos de voz multilíngues e dados textuais relacionados, distribuído sob a licença CC0 (domínio público). A criação deste conjunto de dados é um trabalho colaborativo da comunidade, incluindo participantes que fornecem voz e texto, ativistas em línguas, tecnólogos, cientistas e outros membros da comunidade Common Voice.
O volume total do conjunto de dados do Common Voice atingiu 31.841 horas, das quais 20.789 horas de dados de fala foram verificadas pela comunidade. Isso representa 700 horas a mais de dados de fala em comparação com o último lançamento do conjunto de dados e 381 horas a mais de novos dados verificados. O 18º conjunto de dados consiste em fragmentos em 129 idiomas, incluindo 5 novos idiomas adicionados neste lançamento.
O novo conjunto de dados apresenta cinco novos idiomas: Kosa (Xhosa, África do Sul), Kalenjin (Quênia), Dabida (Kidaw’ida, Quênia), Doluo (Dholuo, Quênia e Tanzânia) e Tswana (Setswana, Botswana, Zimbábue, Namíbia, África do Sul). Esses idiomas são falados por centenas de milhões de pessoas em todo o mundo, que agora podem ter suporte de maior qualidade em relação às tecnologias de voz.
Se você está interessado no Common Voice, há várias maneiras de se juntar à comunidade de participantes. Você pode compartilhar sua voz ou escrever e fazer sugestões originais em seu idioma para ajudar a criar o próximo conjunto de dados. Se o seu idioma ainda não está no Common Voice, você pode solicitar sua adição através de um formulário especial. Contribuições técnicas para o projeto aberto no GitHub também são bem-vindas.
A Mozilla está sempre aberta a receber feedback sobre novos lançamentos. Você pode entrar em contato com eles nos fóruns do Common Voice, conversar com eles no Matrix ou escrever diretamente para a equipe em commonvoice@mozilla.com. Eles estão especialmente interessados em entender o que os usuários dos conjuntos de dados criam ou investigam usando o conjunto de dados. Um melhor entendimento das necessidades dos usuários dos conjuntos de dados pode ajudá-los a determinar a direção que melhor atende a essas necessidades.
Fonte: linux.org.ru
