Mozilla har uppdaterat datamĂ€ngderna för röstdata i Common Voice, som inkluderar uttalsprov frĂ„n över 200 000 personer. Data har publicerats som offentlig egendom (CC0). De föreslagna datamĂ€ngderna kan anvĂ€ndas i maskininlĂ€rningssystem för att bygga modeller för taligenkĂ€nning och talsyntes. JĂ€mfört med den senaste uppdateringen har mĂ€ngden talmaterial i samlingen ökat frĂ„n 32,6 till 33,1 tusen timmar tal, varav 22,1 tusen timmar har genomgĂ„tt verifiering. Antalet stödda sprĂ„k har ökat frĂ„n 129 till 133 â de har lagt till sprĂ„k som aragoniska, isiNdebele, sydsotho och tupuri.
I förberedelsen av material pĂ„ engelska deltog 94,9 tusen personer, som dikterade 3631 timmar tal (det var 93,9 tusen deltagare och 3587 timmar). DatamĂ€ngden för belarusiska sprĂ„ket omfattar 8521 deltagare och 1860 timmar talmaterial (det var 8444 deltagare och 1846 timmar), ryska sprĂ„ket â 3365 deltagare och 281 timmar (det var 3296 deltagare och 278 timmar), uzbekiska â 2211 deltagare och 265 timmar (det var 2200 deltagare och 265 timmar), ukrainska sprĂ„ket â 1120 deltagare och 114 timmar (det var 1104 deltagare och 114 timmar).
Projektet Common Voice organiserar samarbete för att samla en databas av röstmallar som tar hÀnsyn till hela mÄngfalden av röster och talstilar. AnvÀndare uppmanas att lÀsa upp de fraser som visas pÄ skÀrmen eller bedöma kvaliteten pÄ data som lagts till av andra anvÀndare. Den insamlade databasen med inspelningar av olika uttal av typiska fraser i mÀnskligt tal kan utan begrÀnsningar anvÀndas i maskininlÀrningssystem och forskningsprojekt.
KĂ€lla: opennet.ru
