{"id":100885,"date":"2021-08-01T10:23:19","date_gmt":"2021-08-01T08:23:19","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/obnovlenie-golosovyh-dannyh-mozilla-common-voice-7-0"},"modified":"2021-08-01T10:23:19","modified_gmt":"2021-08-01T08:23:19","slug":"obnovlenie-golosovyh-dannyh-mozilla-common-voice-7-0","status":"publish","type":"post","link":"https:\/\/prohoster.info\/pt\/blog\/news\/obnovlenie-golosovyh-dannyh-mozilla-common-voice-7-0","title":{"rendered":"Atualiza\u00e7\u00e3o dos dados de voz do Mozilla Common Voice 7.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
As empresas NVIDIA e Mozilla apresentaram uma atualiza\u00e7\u00e3o dos conjuntos de dados de voz coletados por meio da iniciativa Common Voice, incluindo exemplos de pron\u00fancia de 182 mil pessoas, um aumento de 25% em rela\u00e7\u00e3o a seis meses atr\u00e1s. Os dados foram divulgados como dom\u00ednio p\u00fablico (CC0). Os conjuntos propostos podem ser usados em sistemas de aprendizado de m\u00e1quina para construir modelos de reconhecimento e s\u00edntese de fala. <\/p>\n
Comparado com a atualiza\u00e7\u00e3o anterior, o volume de material de fala na cole\u00e7\u00e3o aumentou de 9 para 13,9 mil horas de fala. O n\u00famero de idiomas suportados cresceu de 60 para 76, incluindo pela primeira vez o suporte para bielorrusso, cazaque, uzbeque, b\u00falgaro, arm\u00eanio, azerbaijano e bashkir. O conjunto para o idioma russo abrange 2136 participantes e 173 horas de material de fala (antes eram 1412 participantes e 111 horas), e para o idioma ucraniano \u2014 615 participantes e 66 horas (antes eram 459 participantes e 30 horas). <\/p>\n
Mais de 75 mil pessoas participaram da prepara\u00e7\u00e3o de materiais em ingl\u00eas, ditando 2637 horas de fala confirmada (anteriormente eram 66 mil participantes e 1686 horas). Curiosamente, a l\u00edngua com a segunda maior quantidade de dados acumulados \u00e9 o quiniaruanda, com 2260 horas. Em seguida v\u00eam o alem\u00e3o (1040), o catal\u00e3o (920) e o esperanto (840). Dentre os idiomas que mais rapidamente aumentaram o tamanho dos dados de voz, destacam-se o tailand\u00eas (crescimento de 20 vezes, de 12 para 250 horas), o luanda (de 8 para 80 horas), o esperanto (de 100 para 840 horas) e o t\u00e2mil (de 24 para 220 horas). <\/p>\n
Como parte de sua participa\u00e7\u00e3o no projeto Common Voice, a NVIDIA preparou modelos treinados prontos para sistemas de aprendizado de m\u00e1quina com base nos dados coletados (apoiado pelo PyTorch). Os modelos s\u00e3o distribu\u00eddos como parte da ferramenta gratuita e de c\u00f3digo aberto NVIDIA NeMo, que, por exemplo, j\u00e1 est\u00e1 sendo utilizada em servi\u00e7os de voz automatizados da MTS e do Sberbank. Os modelos s\u00e3o voltados para uso em sistemas de reconhecimento de fala, s\u00edntese de fala e processamento de informa\u00e7\u00f5es em linguagem natural, podendo ser \u00fateis para pesquisadores que desenvolvem sistemas de di\u00e1logo por voz, plataformas de transcri\u00e7\u00e3o e call centers automatizados. Diferente dos projetos dispon\u00edveis anteriormente, os modelos publicados n\u00e3o se limitam ao reconhecimento da l\u00edngua inglesa e abrangem diferentes idiomas, sotaques e formas de fala. <\/p>\n
Vale lembrar que o projeto Common Voice visa organizar o trabalho colaborativo para acumular uma base de modelos de voz que considere toda a diversidade de vozes e estilos de fala. Os usu\u00e1rios s\u00e3o convidados a gravar as frases exibidas na tela ou avaliar a qualidade dos dados adicionados por outros usu\u00e1rios. A base de dados acumulada com grava\u00e7\u00f5es de diferentes pron\u00fancias de frases t\u00edpicas da fala humana pode ser utilizada sem restri\u00e7\u00f5es em sistemas de aprendizado de m\u00e1quina e em projetos de pesquisa. <\/p>\n
Na opini\u00e3o do autor da biblioteca de reconhecimento de fala cont\u00ednua Vosk, as desvantagens do conjunto Common Voice s\u00e3o a unilateralidade do material de voz (predomin\u00e2ncia de pessoas do sexo masculino entre 20 e 30 anos, e a falta de material com vozes de mulheres, crian\u00e7as e idosos), a aus\u00eancia de variabilidade no vocabul\u00e1rio (repeti\u00e7\u00e3o das mesmas frases) e a distribui\u00e7\u00e3o de grava\u00e7\u00f5es em um formato MP3 que introduz distor\u00e7\u00f5es. \n Fonte: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"