A Mozilla anunciou o lançamento do 18º conjunto de dados Common Voice, que já está disponível para download. Este conjunto de dados faz parte da estratégia da Mozilla para tornar as tecnologias de voz mais acessíveis. Trata-se de um conjunto de dados gratuito com trechos de voz multilíngues e dados textuais associados, licenciado sob a licença CC0 (domínio público). A criação do conjunto de dados é fruto de uma colaboração da comunidade, incluindo colaboradores de voz e texto, ativistas da linguagem, tecnólogos, acadêmicos e outros membros da comunidade Common Voice.
O conjunto de dados Common Voice agora contém 31.841 horas de dados de fala, incluindo 20.789 horas de dados de fala verificados pela comunidade. Isso representa um aumento de 700 horas de dados de fala em comparação com a última versão do conjunto de dados e 381 horas de dados recém-verificados. O 18º conjunto de dados contém amostras em 129 idiomas, incluindo cinco novos idiomas adicionados nesta versão.
O novo conjunto de dados introduz cinco novos idiomas: Xhosa (África do Sul), Kalenjin (Quênia), Kidaw'ida (Quênia), Dholuo (Quênia e Tanzânia) e Tswana (Botsuana, Zimbábue, Namíbia e África do Sul). Esses idiomas são falados por centenas de milhões de pessoas em todo o mundo e agora podem se beneficiar do suporte aprimorado da tecnologia de voz.
Se você se interessa pelo Common Voice, existem muitas maneiras de participar da comunidade. Você pode compartilhar sua voz ou escrever e contribuir com propostas 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 inclusão usando o formulário específico. Contribuições técnicas para o projeto de código aberto no Github também são bem-vindas.
A Mozilla sempre fica feliz em receber feedback sobre novas versões. Você pode entrar em contato com eles nos fóruns do Common Voice, conversar com eles no Matrix ou enviar um e-mail diretamente para a equipe em commonvoice@mozilla.comEles estão particularmente interessados em estudar o que os usuários criam ou exploram usando o conjunto de dados. Uma melhor compreensão das necessidades dos usuários pode ajudá-los a determinar uma direção que melhor atenda a essas necessidades.
Fonte: linux.org.ru
