Kompania Mozilla shpalli një përmirësim të grupeve të të dhënave të zërit Common Voice, që përfshijnë shembuj të shqiptimit nga rreth 200 mijë njerëz. Të dhënat janë publikuar si pronë publike (CC0). Grushtet e propozuara mund të përdoren në sistemet e mësimit të makinave për ndërtimin e modeleve të njohjes dhe sintetikës së zërit.
NĂ« krahasim me pĂ«rmirĂ«simin e kaluar, volumi i materialit tĂ« zĂ«rit nĂ« koleksion u rrit me 10% â nga 18.2 nĂ« 20.2 mijĂ« orĂ« zĂ«ri. Numri i gjuhĂ«ve tĂ« mbĂ«shtetura u rrit nga 87 nĂ« 93. PĂ«r 27 gjuhĂ« janĂ« mbledhur mĂ« shumĂ« se 100 orĂ« tĂ« dhĂ«nash tĂ« zĂ«rit, ndĂ«rsa pĂ«r 9 â mĂ« shumĂ« se 500 orĂ« tĂ« dhĂ«nash tĂ« zĂ«rit. PĂ«r 9 gjuhĂ« gjithashtu arriti njĂ« pĂ«rqindje tĂ« zĂ«rit femĂ«ror, e cila pĂ«rbĂ«nte tĂ« paktĂ«n 45%.
NĂ« pĂ«rgatitjen e materialeve nĂ« anglisht morĂ«n pjesĂ« mĂ« shumĂ« se 81 mijĂ« njerĂ«z, tĂ« cilĂ«t regjistruan 2953 orĂ« zĂ«ri (ishtĂ« 79 mijĂ« pjesĂ«marrĂ«s dhe 2886 orĂ«). Grupi pĂ«r gjuhĂ«n blekare pĂ«rfshin 6326 pjesĂ«marrĂ«s dhe 1054 orĂ« material zĂ«ri (ishte â 6160 pjesĂ«marrĂ«s dhe 987 orĂ«), pĂ«r gjuhĂ«n ruse â 2585 pjesĂ«marrĂ«s dhe 201 orĂ« (ishin 2452 pjesĂ«marrĂ«s dhe 193 orĂ«), pĂ«r gjuhĂ«n uzbeke â 1503 pjesĂ«marrĂ«s dhe 231 orĂ« (ishin 1355 pjesĂ«marrĂ«s dhe 227 orĂ«), pĂ«r gjuhĂ«n ukrainase â 696 pjesĂ«marrĂ«s dhe 79 orĂ« (ishin 684 pjesĂ«marrĂ«s dhe 76 orĂ«).
Projekti Common Voice ka për qëllim organizimin e punës së përbashkët për akumulimin e një baze të shembujve të zërit, duke pasur parasysh të gjithë diversitetin e zërit dhe mënyrave të të folurit. Përdoruesit ofrohen të shqiptojnë frazat e shfaqura në ekran ose të vlerësojnë cilësinë e të dhënave të shtuar nga përdorues të tjerë. Baza e të dhënave e akumuluar me regjistrime të shqiptimit të frazave tipike të të folurit njerëzor, pa kufizime, mund të përdoret në sistemet e mësimit të makinerive dhe në projekte kërkimore.
Burimi: opennet.ru
