Mozilla обновила крупнейший датасет разговорной речи
В 2019 году Mozilla выложила в открытый доступ огромный набор данных Common Voice с 1400 часами разговорной речи на 18 языках. На днях он был обновлен: количество языков увеличено до 54-х! Теперь в базе 7226 часов с 5,5 миллионами аудиоклипов.
Mozilla планирует охватить с своем датасете все языки Земли, присутствующие в разговорной речи. Первый целевой фрагмент данных уже опубликован и содержит цифры от 0 до 9 и слова «да», «нет», «эй» и «файрфокс». Чтобы вы представляли: это 120 часов записи (из них 64 уже валидированы) на 18 языках. Планируется, что мультиязычный датасет будет полностью открытым, а каждый желающий сможет использовать его для обучения голосовых приложений.
В 2019 году Mozilla выложила в открытый доступ огромный набор данных Common Voice с 1400 часами разговорной речи на 18 языках. На днях он был обновлен: количество языков увеличено до 54-х! Теперь в базе 7226 часов с 5,5 миллионами аудиоклипов.
Mozilla планирует охватить с своем датасете все языки Земли, присутствующие в разговорной речи. Первый целевой фрагмент данных уже опубликован и содержит цифры от 0 до 9 и слова «да», «нет», «эй» и «файрфокс». Чтобы вы представляли: это 120 часов записи (из них 64 уже валидированы) на 18 языках. Планируется, что мультиязычный датасет будет полностью открытым, а каждый желающий сможет использовать его для обучения голосовых приложений.
Comments
Be the first to add a comment
Log in to comment