Mozilla aktualizovala svoje súbory údajov Common Voice tak, aby obsahovali ukážky výslovnosti od viac ako 200 0 ľudí. Údaje sú zverejnené ako verejné dielo (CC31.8). Navrhované sady môžu byť použité v systémoch strojového učenia na vytváranie modelov rozpoznávania reči a syntézy. V porovnaní s predchádzajúcou aktualizáciou sa objem rečového materiálu v zbierke zvýšil z 32.6 na 20 tisíc hodín reči, z toho vyše 129 tisíc hodín prešlo overovacím konaním. Počet podporovaných jazykov sa zvýšil zo 131 na XNUMX.
Na príprave materiálov v angličtine sa podieľalo 93.9 tisíc ľudí, ktorí nadiktovali 3587 hodín prejavu (účastníkov bolo 93.3 tisíc a 3554 hodín). Súbor pre bieloruský jazyk pokrýva 8444 účastníkov a 1846 hodín rečníckeho materiálu (zúčastnilo sa 8400 účastníkov a 1815 hodín), ruský jazyk - 3296 účastníkov a 278 hodín (3241 účastníkov a 277 hodín), uzbecký - 2200 účastníkov a 265 hodín ( bolo 2189 účastníkov a 265 hodín), ukrajinský jazyk - 1104 účastníkov a 114 hodín (bolo 1091 účastníkov a 113 hodín).
Cieľom projektu Common Voice je zorganizovať spoločnú prácu s cieľom zhromaždiť databázu hlasových vzorov, ktorá zohľadňuje rôznorodosť hlasov a štýlov reči. Používatelia sú pozývaní na hlasové frázy zobrazené na obrazovke alebo na vyhodnotenie kvality údajov pridaných inými používateľmi. Nahromadená databáza so záznamami rôznych výslovností typických fráz ľudskej reči môže byť bez obmedzení použitá v systémoch strojového učenia a vo výskumných projektoch.
Zdroj: opennet.ru
