Echo

Echo 关注TA

大家好,我是Echo!

Echo

Echo

关注TA

大家好,我是Echo!

  •  普罗旺斯
  • 自由职业
  • 写了280,723,524字

最近回复

该文章投稿至Nemo社区   资讯  板块 复制链接


Mozilla 开源语音数据集已拥有超两万小时内容,新增支持粤语、闽南语

发布于 2022/05/01 14:48 487浏览 0回复 542

IT之家 5 月 1 日消息,本周早些时候,Mozilla 宣布其 Common Voice 数据集现在包含超过 20000 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。

IT之家了解到,最新的英语数据集有 71 GB,支持的语言也比以往任何时候都多,增加了蒂格雷语、闽南语、Meadow Mari、孟加拉语、道本语和粤语

根据 Mozilla 的说法,Common Voice 项目允许任何人为项目贡献自己的声音,从而让虚拟助手能够理解更多的口音。此外,Common Voice 项目是开源的,可确保大型科技公司无法独占,为小型开发商和公司提供了构建竞争产品和服务的机会。

Mozilla 在最新数据集版本中指出的亮点如下:

  • 6 种新语言:蒂格雷语、闽南语、Meadow Mari、孟加拉语、道本语和粤语。

  • 27 种语言至少有 100 小时的语音数据,包括孟加拉语、泰语、巴斯克语和弗里斯兰语。

  • 9 种语言至少有 500 小时的语音数据,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)。

  • 9 种语言有至少 45% 的性别标签为女性,包括马拉地语、迪维希语和卢干达语。


本文由LinkNemo爬虫[Echo]采集自[https://www.ithome.com/0/616/212.htm]

点赞(0)
点了个评