Компания Mozilla представила обновление наборов голосовых данных Common Voice, включающих примеры произношения около 200 тысяч человек. Данные опубликованы как общественное достояние (CC0). Предложенные наборы можно использовать в системах машинного обучения для построения моделей распознавания и синтеза речи.
По сравнению с прошлым обновлением объём речевого материала в коллекции увеличился на 10% — с 18.2 до 20.2 тысяч часов речи. Число поддерживаемых языков возросло с 87 до 93. Для 27 языков накоплено более 100 часов речевых данных, а для 9 — более 500 часов речевых данных. Для 9 языков также удалось добиться доли женской речи, составляющей как минимум 45%.
В подготовке материалов на английском языке приняли участие более 81 тысяч человек, надиктовавших 2953 часов речи (было 79 тысяч участников и 2886 часов). Набор для белорусского языка охватывает 6326 участников и 1054 часа речевого материала (было — 6160 участников и 987 часов), русского языка — 2585 участников и 201 час (было 2452 участника и 193 часа), узбекского — 1503 участника и 231 час (было 1355 участников и 227 часов), украинского языка — 696 участников и 79 часов (было 684 участника и 76 часов).
Iprojekthi ye-Common Voice ijolise ekuququzeleleni umsebenzi odibeneyo ukuqokelela isiseko sedatha yeepatheni zezwi ezithatha ingqalelo ukuhlukahluka kwamazwi kunye neendlela zokuthetha. Abasebenzisi bayamenywa ukuba bathethe amabinzana elizwi aboniswe kwisikrini okanye bavavanye umgangatho wedatha eyongezwe ngabanye abasebenzisi. Isiseko sedatha esiqokelelweyo esineerekhodi zokubizwa ngeendlela ezahlukeneyo kwamabinzana aqhelekileyo entetho yomntu anokusetyenziswa ngaphandle kwezithintelo kwiinkqubo zokufunda koomatshini nakwiiprojekthi zophando.
umthombo: opennet.ru