Компания Mozilla обновила наборы голосовых данных Common Voice, включающие примеры произношения более 200 тысяч человек. Данные опубликованы как общественное достояние (CC0). Предложенные наборы можно использовать в системах машинного обучения для построения моделей распознавания и синтеза речи. По сравнению с прошлым обновлением объём речевого материала в коллекции увеличился с 28.7 до 30.3 тысяч часов речи, из которых 19.7 тысяч часов прошли процедуру проверки. Число поддерживаемых языков увеличилось со 114 до 120 (добавлены идиш, латгальский, лигурийский, осетинский, телугу и западный сьерра-пуэбланский науатль).
В подготовке материалов на английском языке приняли участие 90.67 тысяч человек, надиктовавших 3438 часов речи (было 88.9 тысяч участников и 3347 часов). Набор для белорусского языка охватывает 8249 участников и 1641 час речевого материала (было — 8205 участников и 1632 часа), русского языка — 3133 участника и 265 часов (было 3053 участника и 260 часов), узбекского — 2151 участника и 264 часа (было 2141 участника и 263 часа), украинского языка — 1058 участников и 108 часов (было 1024 участника и 105 часов).
Projekti Common Voice ka si qëllim organizimin e punës së përbashkët për grumbullimin e një baze të shablloneve të zërit që merr parasysh gjithë diversitetin e zërit dhe stilit të shqiptimit. Përdoruesit ftohen të regjistrojnë frazat që shfaqen në ekran ose të vlerësojnë cilësinë e të dhënave të shtuar nga përdoruesit e tjerë. Baza e grumbulluar me regjistrime të shqiptimit të ndryshëm të frazave tipike të zërit të njeriut mund të përdoret pa kufizime në sistemet e mësimit të makinave dhe në projekte kërkimore.
Burimi: opennet.ru
