Mozilla-initiativet hjælper stemmeteknologispillere via multi-sprog datasæt

Det lyder måske som en mundfuld, men det betyder virkelig meget. Mozilla taler om det "største til dato transskriberede stemmedatasæt i det offentlige domæne." Oversættelse:Over 14, 000 mennesker. På 18 sprog. Af næsten 1, 400 timer (1, 368 for at være præcis) af optaget stemme. Velkommen til et initiativ kaldet Common Voice.

Dette er, hvad Mozilla-meddelelsen sagde, i form af en blog torsdag fra George Roter.

"I dag, vi er glade for at dele vores første flersprogede datasæt med 18 sprog repræsenteret, herunder engelsk, Fransk, tysk og mandarin-kinesisk (traditionel), men også for eksempel walisisk og kabylsk. Alt i alt, det nye datasæt omfatter ca. 1, 400 timers stemmeklip fra mere end 42, 000 mennesker."

Bidragydere til projektet har faglige specialer, der spænder fra ph.d.-kandidater i talegenkendelse til maskinlæringsforskere til en professor i computerlingvistik. Som sådan, indsatsen repræsenterer et globalt fællesskab af stemmebidragydere sammen med, hvad Mozilla krediterede som "passionerede frivillige."

Formålet med Common Voice er at hjælpe med at lære maskiner, hvordan rigtige mennesker taler. Kort om, det har udviklet sig til en massiv samling af stemmeklip på snesevis af sprog. Hvad er det næste:Det fulde datasæt vil være tilgængeligt til download på Common Voice-webstedet.

Det ser ud til, at Mozilla-holdets bidragydere også har fundet frem til de uundgåelige smertepunkter. Bloggen nævnte disse punkter. "Folk, der bidrager, ser ikke kun fremskridt pr. sprog i registrering og validering, men har også forbedrede prompter, der varierer fra klip til klip; ny funktionalitet at gennemgå, genindspille, og spring klip over som en integreret del af oplevelsen; evnen til at bevæge sig hurtigt mellem tale og lytte; samt en funktion til at fravælge tale til en session."

Det lyder som sjovt eller en akademisk sandkasse, men faktisk er der mere solide forhåbninger blandt dem, der har bidraget til at opbygge dets korpus.

I 2019, Mariella Moon ind Engadget har bemærket, at rækken af ​​sprog nu inkluderer hollandsk, Hakha-Chin, Esperanto, Farsi, baskisk, Spansk, Fransk, Tysk, Mandarin kinesisk (traditionel), walisisk og kabylsk.

TechRadar Olivia Tambini, sagde, "Ved at tilbyde et enormt bibliotek af menneskelige stemmer på en række sprog gratis, Mozilla åbner muligvis dørene for virksomheder, der ikke har Apples ressourcer, Amazon, og Google, at udvikle deres egne stemmeassistenter."

En anden fordel involverer Mozilla selv. Mariella Moon ind Engadget sagde, "Organisationen selv planlægger at bruge de klip, den indsamler til at forbedre sin tale-til-tekst, Tekst-til-tale- og DeepSpeech-motorer."

Roter sagde, enkelt og greit, "Vores mål er både at frigive stemmeaktiverede produkter selv, samtidig med at de støtter forskere og mindre aktører."

Bemærk, at praleriet tilhører den største, ikke den eneste, datasæt af sin art. Mozilla ønskede, at besøgende på webstedet skulle vide, at det var den største, ikke den eneste, og sagde også, at besøgende på siden med tiden kan "se på denne side som et referencehub for andre open source-taledatasæt."

Hvis du besøger Common Voice-siden, får du beskeden om deres store ambitioner. "Vi bygger, " sagde Mozilla. Og hvad bygger de? En "open source, flersproget datasæt af stemmer, som alle kan bruge til at træne taleaktiverede applikationer."

Bidragydere kan tilmelde sig at levere metadata som deres alder, køn, og accent. Stemmeklip er igen tagget med information, der er nyttig til træning af talemaskiner.

© 2019 Science X Network