Mozilla a anunțat lansarea celei de-a 18-a versiuni a setului de date Common Voice, care este acum disponibil pentru descărcare. Acest set de date face parte din strategia Mozilla de a asigura un acces mai larg la tehnologiile vocale. Este un set gratuit de date cu fragmente vocale multilingve și date textuale asociate, distribuit sub licența CC0 (domeniu public). Crearea setului de date este o colaborare a comunității, inclusiv a participanților care oferă voce și text, activiști pentru limbi, tehnologii, oameni de știință și alți membri ai comunității Common Voice.
Volumul total al setului de date Common Voice a atins 31.841 de ore, dintre care 20.789 de ore de date vocale au fost verificate de comunitate. Aceasta reprezintă cu 700 de ore mai multe date vocale față de ultima versiune a setului de date și cu 381 de ore mai multe date verificate noi. A 18-a versiune a setului de date constă în fragmente în 129 de limbi, inclusiv 5 limbi noi adăugate în această versiune.
Noua versiune a setului de date include cinci limbi noi: Xhosa (Xhosa, Africa de Sud), Kalenjin (Kalenjin, Kenya), Kidaw’ida (Kidaw’ida, Kenya), Dholuo (Dholuo, Kenya și Tanzania) și Setswana (Setswana, Botswana, Zimbabwe, Namibia, Africa de Sud). Aceste limbi sunt vorbite de sute de milioane de oameni din întreaga lume, care acum pot beneficia de un suport mai bun în domeniul tehnologiilor vocale.
Dacă sunteți interesat de Common Voice, există numeroase modalități de a vă alătura comunității participanților. Puteți să vă împărtășiți vocea sau să scrieți și să propuneți sugestii originale în limba dumneavoastră pentru a ajuta la crearea următorului set de date. Dacă limbajul dumneavoastră nu este încă în Common Voice, puteți solicita adăugarea acestuia printr-un formular special. De asemenea, contribuțiile tehnice la proiectul deschis de pe Github sunt binevenite.
Mozilla este întotdeauna deschisă la feedback cu privire la noile lansări. Puteți să îi contactați pe forumurile Common Voice, să discutați cu ei în Matrix sau să scrieți echipei direct la commonvoice@mozilla.com. Ei sunt deosebit de interesați să afle ce creează sau explorează utilizatorii seturilor de date folosind setul de date. O mai bună înțelegere a nevoilor utilizatorilor seturilor de date le poate ajuta să determine direcția care răspunde cel mai bine nevoilor utilizatorilor.
Sursa: linux.org.ru
