Mozilla har uppdaterat sitt dataset för röstdata i Common Voice, som inkluderar exempel på uttal från över 200 000 personer. Data publiceras som offentligt domän (CC0). De föreslagna dataseten kan användas i maskininlärningssystem för att bygga modeller för röstigenkänning och talåtergivning. Jämfört med den senaste uppdateringen har volymen av röstmaterial i samlingen ökat från 31,8 till 32,6 tusen timmar tal, varav mer än 20 000 timmar har genomgått granskning. Antalet stödda språk har ökat från 129 till 131.
I förberedelsen av material på engelska deltog 93 900 personer som diktade 3587 timmar tal (det var 93 300 deltagare och 3554 timmar). Datasetet för belarusiska språket omfattar 8444 deltagare och 1846 timmar röstmaterial (det var 8400 deltagare och 1815 timmar), ryska språket — 3296 deltagare och 278 timmar (det var 3241 deltagare och 277 timmar), uzbekiska — 2200 deltagare och 265 timmar (det var 2189 deltagare och 265 timmar), och ukrainska språket — 1104 deltagare och 114 timmar (det var 1091 deltagare och 113 timmar).
Projektet Common Voice syftar till att organisera ett samarbete för att samla en databas av röstmallar som tar hänsyn till all variation i röster och talstilar. Användare ombeds att läsa upp fraser som visas på skärmen eller att bedöma kvaliteten på data som lagts till av andra användare. Den uppbyggda databasen med inspelningar av olika uttal av typiska fraser i människors tal kan fritt användas i maskininlärningssystem och forskningsprojekt.
Källa: opennet.ru
