{"id":100885,"date":"2021-08-01T10:23:19","date_gmt":"2021-08-01T08:23:19","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/obnovlenie-golosovyh-dannyh-mozilla-common-voice-7-0"},"modified":"2021-08-01T10:23:19","modified_gmt":"2021-08-01T08:23:19","slug":"obnovlenie-golosovyh-dannyh-mozilla-common-voice-7-0","status":"publish","type":"post","link":"https:\/\/prohoster.info\/sv\/blog\/news\/obnovlenie-golosovyh-dannyh-mozilla-common-voice-7-0","title":{"rendered":"Uppdatering av r\u00f6stdata f\u00f6r Mozilla Common Voice 7.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
F\u00f6retagen NVIDIA och Mozilla har presenterat en uppdatering av r\u00f6stdatapaket som samlats in genom initiativet Common Voice och inneh\u00e5ller uttalsexempel fr\u00e5n 182 000 personer, vilket \u00e4r en \u00f6kning med 25% j\u00e4mf\u00f6rt med f\u00f6r sex m\u00e5nader sedan. Data publiceras som offentlig egendom (CC0). De f\u00f6reslagna paketen kan anv\u00e4ndas i maskininl\u00e4rningssystem f\u00f6r att bygga modeller f\u00f6r taligenk\u00e4nning och talsyntes. <\/p>\n
J\u00e4mf\u00f6rt med den tidigare uppdateringen har volymen av talmaterial i samlingen \u00f6kat fr\u00e5n 9 till 13,9 tusen timmar tal. Antalet st\u00f6dda spr\u00e5k har \u00f6kat fr\u00e5n 60 till 76, inklusive st\u00f6d f\u00f6r belarusiska, kazakiska, uzbekiska, bulgariska, armeniska, azerbajdzjanska och baskiriska spr\u00e5k f\u00f6r f\u00f6rsta g\u00e5ngen. Setet f\u00f6r det ryska spr\u00e5ket omfattar 2136 deltagare och 173 timmar talmaterial (tidigare 1412 deltagare och 111 timmar), medan det f\u00f6r det ukrainska spr\u00e5ket omfattar 615 deltagare och 66 timmar (tidigare 459 deltagare och 30 timmar). <\/p>\n
\u00d6ver 75 000 personer deltog i f\u00f6rberedelsen av material p\u00e5 engelska, och r\u00f6stade in 2637 timmar bekr\u00e4ftat tal (tidigare 66 000 deltagare och 1686 timmar). Intressant nog ligger spr\u00e5ket ruanda p\u00e5 andra plats med en samlad datavolym p\u00e5 2260 timmar. D\u00e4refter f\u00f6ljer tyska (1040), katalanska (920) och esperanto (840). Bland de spr\u00e5k som mest dynamiskt \u00f6kar sin r\u00f6stdatam\u00e4ngd n\u00e4mns thail\u00e4ndska (20-faldig \u00f6kning av databasen, fr\u00e5n 12 till 250 timmar), luganda (fr\u00e5n 8 till 80 timmar), esperanto (fr\u00e5n 100 till 840 timmar) och tamilska (fr\u00e5n 24 till 220 timmar). <\/p>\n
Som en del av sitt deltagande i projektet Common Voice har NVIDIA tagit fram f\u00e4rdigtr\u00e4nade modeller f\u00f6r maskininl\u00e4rningssystem baserade p\u00e5 de insamlade data (st\u00f6ds av PyTorch). Modellerna distribueras som en del av det gratis och \u00f6ppna verktyget NVIDIA NeMo, som till exempel redan anv\u00e4nds i automatiserade r\u00f6sttj\u00e4nster f\u00f6r MTS och Sberbank. Modellerna \u00e4r avsedda f\u00f6r anv\u00e4ndning i system f\u00f6r taligenk\u00e4nning, talsyntes och bearbetning av information p\u00e5 naturligt spr\u00e5k, och kan vara anv\u00e4ndbara f\u00f6r forskare som arbetar med att skapa r\u00f6stdialogsystem, plattformar f\u00f6r transkribering och automatiserade callcenter. Till skillnad fr\u00e5n tidigare tillg\u00e4ngliga projekt begr\u00e4nsar sig inte de publicerade modellerna till att endast k\u00e4nna igen engelska spr\u00e5ket utan omfattar olika spr\u00e5k, accenter och talformer. <\/p>\n
Vi p\u00e5minner om att projektet Common Voice syftar till att organisera gemensamt arbete f\u00f6r att samla en databas av r\u00f6stmallar som tar h\u00e4nsyn till all variation av r\u00f6ster och talstilar. Anv\u00e4ndare erbjuds att l\u00e4sa in de fraser som visas p\u00e5 sk\u00e4rmen eller betygs\u00e4tta kvaliteten p\u00e5 de data som lagts till av andra anv\u00e4ndare. Den insamlade databasen med inspelningar av olika uttal av standardfraser i m\u00e4nskligt tal kan anv\u00e4nda utan begr\u00e4nsningar i maskininl\u00e4rningssystem och forskningsprojekt. <\/p>\n
Enligt f\u00f6rfattaren till biblioteket f\u00f6r slits taligenk\u00e4nning, Vosk, \u00e4r nackdelarna med Common Voice-setet ensidigheten av r\u00f6stmaterialet (\u00f6vervikt av m\u00e4n mellan 20 och 30 \u00e5r och bristen p\u00e5 material med r\u00f6ster fr\u00e5n kvinnor, barn och \u00e4ldre personer), avsaknaden av variation i ordf\u00f6rr\u00e5det (upprepning av samma fraser) och spridningen av inspelningar i destortionformatet MP3. \n K\u00e4lla: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"