Podjetje Mozilla je posodobilo nabor glasovnih podatkov Common Voice, ki vključuje primere izgovorjave več kot 200.000 ljudi. Podatki so objavljeni kot javna last (CC0). Predlagane nabori se lahko uporabljajo v sistemih strojnega učenja za gradnjo modelov prepoznave in sinteze govora. V primerjavi s prejšnjo posodobitvijo se je obseg govora v zbirki povečal z 32,6 na 33,1 tisoč ur govora, od katerih je 22,1 tisoč ur prestalo postopek preverjanja. Število podprtih jezikov se je povečalo s 129 na 133 - dodani so jeziki aragonščina, isindebele, južni soto in tupuri.
Pri pripravi materialov v angleščini je sodelovalo 94,9 tisoč ljudi, ki so posneli 3631 ur govora (prej je bilo 93,9 tisoč udeležencev in 3587 ur). Nabor za beloruščino zajema 8521 udeleženca in 1860 ur govora (prej je bilo 8444 udeležencev in 1846 ur), za ruščino je 3365 udeležencev in 281 ur (prej 3296 udeležencev in 278 ur), za uzbeščino 2211 udeležencev in 265 ur (prej 2200 udeležencev in 265 ur), za ukrajinščino pa 1120 udeležencev in 114 ur (prej 1104 udeleženca in 114 ur).
Projekt Common Voice organizira skupno delo pri nabiranju baze glasovnih predlog, ki upošteva vse raznolikosti glasov in načinov govora. Uporabnikom je ponujeno, da glasovno izgovorijo na ekran prikazane fraze ali ocenijo kakovost podatkov, ki jih dodajajo drugi uporabniki. Zbirka podatkov z različnimi izgovorjavami tipičnih fraz človeškega govora je brez omejitev uporabna v sistemih strojnega učenja in v raziskovalnih projektih.
Izvor: opennet.ru
