NVIDIA le Mozilla li lokolotse ntlafatso ho li-database tsa bona tsa Common Voice, tse kenyelletsang lisampole tsa batho ba 182, ho nyoloha ka 25% ho tloha likhoeling tse 6 tse fetileng. Lintlha li phatlalalitsoe e le sebaka sa sechaba (CC0). Lisete tse sisintsoeng li ka sebelisoa ho litsamaiso tsa ho ithuta ka mochini ho aha temoho ea puo le mefuta ea ho kopanya.
Ha ho bapisoa le ntlafatso e fetileng, boholo ba lisebelisoa tsa puo pokellong bo eketsehile ho tloha ho 9 ho isa ho lihora tse likete tse 13.9 tsa puo. Palo ea lipuo tse tšehetsoeng e eketsehile ho tloha ho 60 ho isa ho 76, ho kenyelletsa le ka lekhetlo la pele tšehetso bakeng sa lipuo tsa Belarusian, Kazakh, Uzbek, Bulgarian, Armenian, Azerbaijani le Bashkir. Sete bakeng sa puo ea Serussia e akaretsa barupeluoa ba 2136 le lihora tse 173 tsa boitsebiso ba puo (ho ne ho e-na le barupeluoa ba 1412 le lihora tse 111), le bakeng sa puo ea Seukraine - barupeluoa ba 615 le lihora tse 66 (ho ne ho e-na le barupeluoa ba 459 le lihora tse 30).
Batho ba fetang likete tse 75 ba ile ba kenya letsoho ho lokiseng thepa ka Senyesemane, ba laela lihora tse 2637 tsa puo e tiisitsoeng (ho ne ho e-na le barupeluoa ba likete tse 66 le lihora tsa 1686). Hoa thahasellisa hore puo ea bobeli e kholo ka ho fetisisa mabapi le boitsebiso bo bokelitsoeng ke Rwanda, eo lihora tsa 2260 li bokelitsoeng. Sena se lateloa ke Sejeremane (1040), Catalan (920) le Esperanto (840). Har'a tse ntseng li eketseha ka matla boholo ba data ea lentsoe ke puo ea Thai (keketseho e habeli ho setsi, ho tloha lihora tse 20 ho isa ho tse 12), Seluganda (ho tloha lihora tse 250 ho isa ho tse 8), Esperanto (ho tloha lihora tse 80 ho isa ho tse 100) le Setamil ( ho tloha ho lihora tse 840 ho isa ho tse 24).
E le karolo ea ho kenya letsoho morerong oa Common Voice, NVIDIA e lokiselitse mehlala e lokiselitsoeng e lokiselitsoeng bakeng sa mekhoa ea ho ithuta mochine (e tšehetsoeng ke PyTorch) ho latela lintlha tse bokelitsoeng. Mefuta e ajoa e le karolo ea sesebelisoa sa mahala le se bulehileng sa NVIDIA NeMo, seo, ka mohlala, se seng se sebelisoa litšebeletsong tsa lentsoe tse ikemetseng tsa MTS le Sberbank. Mefuta ena e reretsoe ho sebelisoa ho lemoha puo, ho kopanya puo, le mekhoa ea ho sebetsa puo ea tlhaho, 'me e ka ba molemo bakeng sa bafuputsi ba hahang mekhoa ea puisano e sebelisoang ke lentsoe, sethala sa transcript, le litsi tsa mohala tse ikemetseng. Ho fapana le merero e neng e le teng pele, mehlala e hatisitsoeng ha e felle feela temohong ea puo ea Senyesemane mme e akaretsa lipuo tse fapaneng, li-accents le mefuta ea puo.
A re u hopotse hore morero oa Common Voice o reretsoe ho hlophisa mosebetsi o kopanetsoeng ho bokella database ea mekhoa ea lentsoe e nahanang ka mefuta e sa tšoaneng ea mantsoe le mekhoa ea ho bua. Basebelisi ba memeloa ho bua mantsoe a hlahang skrineng kapa ho lekola boleng ba data e kentsoeng ke basebelisi ba bang. Sebaka sa polokelo ea boitsebiso se bokelletsoeng se nang le lirekoto tsa mantsoe a fapaneng a mantsoe a tloaelehileng a puo ea motho se ka sebelisoa ntle le lithibelo tsamaisong ea ho ithuta ka mochini le mererong ea lipatlisiso.
Ho ea ka sengoli sa laeborari e tsoelang pele ea Vosk ea ho amohela puo, mefokolo ea sete ea Common Voice ke lehlakore le le leng la thepa ea lentsoe (boholo ba banna ba lilemo tse 20-30, le khaello ea thepa e nang le mantsoe a basali. , bana le batho ba baholo), khaello ea phapang ea dikishinari (ho pheta-pheta mantsoe a tšoanang) le kabo ea lirekoto ka sebopeho se sothehileng sa MP3.
Source: opennet.ru