Kompania NVIDIA dhe Mozilla kan\u00eb prezantuar nj\u00eb p\u00ebrdit\u00ebsim t\u00eb grupeve t\u00eb t\u00eb dh\u00ebnave t\u00eb z\u00ebrit, t\u00eb mbledhura nga iniciativa Common Voice dhe q\u00eb p\u00ebrfshijn\u00eb shembuj t\u00eb shqiptimit nga 182 mij\u00eb njer\u00ebz, q\u00eb \u00ebsht\u00eb 25% m\u00eb shum\u00eb se 6 muaj m\u00eb par\u00eb. T\u00eb dh\u00ebnat jan\u00eb publikuar si pron\u00eb publike (CC0). Grupet e propozuara mund t\u00eb p\u00ebrdoren n\u00eb sistemet e m\u00ebsimit t\u00eb makinerive p\u00ebr nd\u00ebrtimin e modeleve t\u00eb njohjes dhe sintetik\u00ebs s\u00eb z\u00ebrit. <\/p>\n
Krahasuar me p\u00ebrdit\u00ebsimin e kaluar, volumi i materialeve t\u00eb z\u00ebrit n\u00eb koleksion \u00ebsht\u00eb rritur nga 9 n\u00eb 13.9 mij\u00eb or\u00eb. Numri i gjuh\u00ebve t\u00eb mb\u00ebshtetura \u00ebsht\u00eb rritur nga 60 n\u00eb 76, p\u00ebrfshir\u00eb p\u00ebr her\u00eb t\u00eb par\u00eb mb\u00ebshtetje p\u00ebr gjuh\u00ebt Beloruse, Kazake, Uzbeke, Bullgare, Armenase, Azerbajxhanase dhe Bashkire. Grupi p\u00ebr gjuh\u00ebn Ruse p\u00ebrfshin 2136 pjes\u00ebmarr\u00ebs dhe 173 or\u00eb materiale z\u00ebror (ishin 1412 pjes\u00ebmarr\u00ebs dhe 111 or\u00eb), nd\u00ebrsa p\u00ebr gjuh\u00ebn Ukrainase - 615 pjes\u00ebmarr\u00ebs dhe 66 or\u00eb (ishin 459 pjes\u00ebmarr\u00ebs dhe 30 or\u00eb). <\/p>\n
N\u00eb p\u00ebrgatitjen e materialeve n\u00eb anglisht kan\u00eb marr\u00eb pjes\u00eb m\u00eb shum\u00eb se 75 mij\u00eb njer\u00ebz, q\u00eb kan\u00eb regjistruar 2637 or\u00eb z\u00ebri t\u00eb konfirmuar (ishin 66 mij\u00eb pjes\u00ebmarr\u00ebs dhe 1686 or\u00eb). \u00cbsht\u00eb interesante se gjuha e dyt\u00eb p\u00ebr nga volumi i t\u00eb dh\u00ebnave t\u00eb grumbulluara \u00ebsht\u00eb ruanda, p\u00ebr t\u00eb cil\u00ebn jan\u00eb mbledhur 2260 or\u00eb. Pasojn\u00eb gjermanishtja (1040), katalanishtja (920) dhe esperanto (840). Nga gjuh\u00ebt q\u00eb po rritin ndjesh\u00ebm volumin e t\u00eb dh\u00ebnave t\u00eb z\u00ebrit, p\u00ebrmenden gjuha tajlandeze (rritja e baz\u00ebs 20 her\u00eb, nga 12 n\u00eb 250 or\u00eb), luganda (nga 8 n\u00eb 80 or\u00eb), esperanto (nga 100 n\u00eb 840 or\u00eb) dhe gjuha tamile (nga 24 n\u00eb 220 or\u00eb). <\/p>\n
Si n\u00eb kuad\u00ebr t\u00eb pjes\u00ebmarrjes s\u00eb saj n\u00eb projektin Common Voice, kompania NVIDIA ka p\u00ebrgatitur modele t\u00eb trajnuara n\u00eb baz\u00eb t\u00eb t\u00eb dh\u00ebnave t\u00eb mbledhura p\u00ebr sistemet e m\u00ebsimit dixhital (mb\u00ebshtetet nga PyTorch). Modelet shp\u00ebrndahen n\u00eb kuad\u00ebr t\u00eb instrumenteve falas dhe t\u00eb hapur NVIDIA NeMo, i cili, p\u00ebr shembull, tashm\u00eb p\u00ebrdoret n\u00eb sh\u00ebrbimet e automatizuara t\u00eb z\u00ebrit t\u00eb MTS dhe Sberbank. Modelet jan\u00eb t\u00eb orientuara p\u00ebr p\u00ebrdorim n\u00eb sistemet e njohjes s\u00eb z\u00ebrit, t\u00eb sintez\u00ebs s\u00eb z\u00ebrit dhe p\u00ebrpunimit t\u00eb informacionit n\u00eb gjuh\u00ebn natyrore, dhe mund t\u00eb jen\u00eb t\u00eb dobishme p\u00ebr hulumtuesit q\u00eb punojn\u00eb n\u00eb krijimin e sistemeve t\u00eb dialogut me z\u00eb, platformave p\u00ebr transkriptim dhe qendrave t\u00eb thirrjeve t\u00eb automatizuara. Ndryshe nga projektet e tjera t\u00eb disponueshme m\u00eb par\u00eb, modelet e publikuara nuk kufizohen vet\u00ebm n\u00eb njohjen e gjuh\u00ebs angleze dhe mbulojn\u00eb gjithashtu gjuh\u00eb, aksente dhe forma t\u00eb ndryshme t\u00eb z\u00ebrit. <\/p>\n
Kujtojm\u00eb se projekti Common Voice ka si q\u00ebllim organizimin e nj\u00eb bashk\u00ebpunimi p\u00ebr grumbullimin e nj\u00eb baze t\u00eb shablloneve t\u00eb z\u00ebrit, q\u00eb merr n\u00eb konsiderat\u00eb t\u00eb gjith\u00eb larmishm\u00ebrin\u00eb e z\u00ebrit dhe m\u00ebnyrave t\u00eb komunikimit. P\u00ebrdoruesit ftohen t\u00eb lexojn\u00eb frazat q\u00eb shfaqen n\u00eb ekran ose t\u00eb vler\u00ebsojn\u00eb cil\u00ebsin\u00eb e t\u00eb dh\u00ebnave, t\u00eb shtuar nga p\u00ebrdorues t\u00eb tjer\u00eb. Baza e dh\u00ebnash e mbledhur me regjistrime t\u00eb shqiptimit t\u00eb fjalive tipike t\u00eb z\u00ebrit njer\u00ebzor mund t\u00eb p\u00ebrdoret pa kufizime n\u00eb sistemet e m\u00ebsimit dixhital dhe n\u00eb projektet hulumtuese. <\/p>\n