Mozilla har meddelat att den 18:e uppsättningen av Common Voice-data nu finns tillgänglig för nedladdning. Denna dataset är en del av Mozillas strategi för att säkerställa bredare tillgång till röstteknologier. Den utgör en kostnadsfri uppsättning av flerspråkiga röstfragment och relaterade textdata, som distribueras under CC0-licensen (offentlig domän). Skapandet av datasetet är ett samarbete mellan samhället, inklusive deltagare som tillhandahåller röst och text, språkaktivister, teknologer, forskare och andra medlemmar av Common Voice-gemenskapen.
Den totala volymen av Common Voice-datasetet har nått 31 841 timmar, varav 20 789 timmar taldata har verifierats av gemenskapen. Detta är 700 timmar mer taldata jämfört med den senaste datasetversionen och 381 timmar mer av nya verifierade data. Den 18:e datasetet innehåller fragment på 129 språk, inklusive 5 nya språk som lagts till i denna release.
I den nya datasetet presenteras fem nya språk: Xhosa (Kosa, Sydafrika), Kalenjin (Kalenjin, Kenya), Kidaw’ida (Dabidi, Kenya), Dholuo (Doluo, Kenya och Tanzania) och Setswana (Tswana, Botswana, Zimbabwe, Namibia, Sydafrika). Dessa språk talas av hundratals miljoner människor världen över, som nu kan få bättre stöd inom röstteknologier.
Om du är intresserad av Common Voice finns det många sätt att gå med i gemenskapen av deltagare. Du kan dela din röst eller skriva och föreslå originalidéer på ditt språk för att hjälpa till att skapa nästa dataset. Om ditt språk ännu inte finns i Common Voice kan du begära att det läggs till genom ett särskilt formulär. Tekniska bidrag till det öppna projektet på Github tas också emot med glädje.
Mozilla är alltid glad att få feedback om nya release. Du kan kontakta dem på Common Voice-forumen, chatta med dem på Matrix eller skriva direkt till teamet på commonvoice@mozilla.com. De är särskilt intresserade av att lära sig vad användare av datasetet skapar eller utforskar med hjälp av datasetet. En bättre förståelse för behoven hos dataset-användare kan hjälpa dem att bestämma riktningen som bättre möter användarnas behov.
Källa: linux.org.ru
