Mozilla宣布Common Voice数据集已超2万小时 新增闽南语和粤语

栏目: IT资讯 · 发布时间: 2年前

内容简介:本周早些时候,Mozilla宣布CommonVoice数据集已经收集了超过2万个小时的内容,世界各地的任何人都可以使用这些内容来改进他们的语音识别软件,几乎是一年前的两倍。

本周早些时候,Mozilla 宣布 Common Voice 数据集已经收集了超过 2 万个小时的内容,世界各地的任何人都可以使用这些内容来改进他们的语音识别软件,几乎是一年前的两倍。

本次更新中,英语数据集的容量达到了 71GB,而且支持更多的语言,包括Tigre、闽南语、Meadow Mari、Bengali、Toki Pona和粤语。

Mozilla宣布Common Voice数据集已超2万小时 新增闽南语和粤语

Mozilla 表示, Common Voice 项目非常重要,因为它允许任何人向该项目贡献他们的声音,这应该允许虚拟助手理解更多口音。此外,它确保大科技公司不是唯一拥有大型数据集的公司--这让小的开发者和公司有机会建立竞争性产品和服务。

Mozilla 表示最新发布的数据集具备以下优势:

● 新增 6 种 语言

新版本还具有六种新的语言。Tigre, 闽南语, Meadow Mari, Bengali, Toki Pona 和粤语。

● 扩容

现在有27种语言拥有至少100小时的语音数据。它们包括孟加拉语、泰语、巴斯克语和弗里斯兰语。

9 种语言现在至少有500小时的语音数据。它们包括基尼亚卢旺达语(2383小时)、加泰罗尼亚语(2045小时)和斯瓦希里语(719小时)。

● 女性语音

九种语言现在都有至少45%的性别标签为女性。它们包括马拉地语、迪维希语和卢甘达语。

● 社区推动

加泰罗尼亚语社区推动了主要的增长。加泰罗尼亚语社区的AINA项目--巴塞罗那超级计算中心和加泰罗尼亚政府之间的合作--动员了加泰罗尼亚语使用者为"共同声音"做出贡献。

支持社区参与决策然而。共同语音语言代表队(Common Voice language Rep Cohort)已经贡献了关于最佳句子收集、语言变体的纳入等方面的反馈和学习成果。


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

研究之美

研究之美

[美] Donald E. Knuth / 高博 / 电子工业出版社 / 2012-1-1 / 49.00元

《研究之美》是计算机科学大师、“算法分析之父”高德纳(Donald E.Knuth)在20世纪70年代旅居挪威时撰写的适用于计算机科学的一种全新基础数学结构的情景小品。全书以一对追求自由精神生活的青年男女为主人公,展开了一段对于该种全新结构的发现和构造的对白。在此过程中,本书充分展示了计算机科学的从业人员进行全新领域探索时所必备的怀疑、立论、构造、证明、归纳、演绎等逻辑推理和深入反思的能力。《研究......一起来看看 《研究之美》 这本书的介绍吧!

CSS 压缩/解压工具
CSS 压缩/解压工具

在线压缩/解压 CSS 代码

RGB转16进制工具
RGB转16进制工具

RGB HEX 互转工具

SHA 加密
SHA 加密

SHA 加密工具