A empresa Mozilla atualizou os conjuntos de dados de voz do Common Voice, que incluem exemplos de pronúncia de mais 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 desenvolver modelos de reconhecimento e síntese de fala. Em comparação com a atualização anterior, o volume de material de fala na coleção aumentou de 32,6 para 33,1 mil horas de fala, das quais 22,1 mil horas passaram pelo processo de verificação. O número de idiomas suportados aumentou de 129 para 133 — foram adicionados os idiomas aragonês, isindebele, sotho do sul e tupuri.
Na preparação dos materiais em inglês participaram 94,9 mil pessoas, que ditaram 3631 horas de fala (eram 93,9 mil participantes e 3587 horas). O conjunto para o idioma bielorrusso abrange 8521 participantes e 1860 horas de material de fala (eram 8444 participantes e 1846 horas), para o russo — 3365 participantes e 281 hora (eram 3296 participantes e 278 horas), para o uzbeque — 2211 participantes e 265 horas (eram 2200 participantes e 265 horas), e para o ucraniano — 1120 participantes e 114 horas (eram 1104 participantes e 114 horas).
O projeto Common Voice organiza uma colaboração para acumular uma base de modelos de voz que considere toda a diversidade de vozes e formas de falar. Os usuários são convidados a pronunciar frases exibidas na tela ou avaliar a qualidade dos dados adicionados por outros usuários. A base de dados acumulada com gravações de diversas pronúncias de frases típicas da fala humana pode ser utilizada sem restrições em sistemas de aprendizado de máquina e em projetos de pesquisa.
Fonte: opennet.ru
