Mozilla发布最大的人类语音数据集(Common Voice)

Common Voice 项目是 Mozilla 发起的倡议，旨在帮助教会机器真人的说话方式。昨天发布了最大的人类语音公共数据集，称为Common Voice。该数据集由18种不同的语言（包括英语，法语，德语，普通话，威尔士语，卡比尔等）组成，并增加了来自42000多名贡献者的约1,00小时录制的语音片段。

Mozilla团队表示：“在这个版本中，不断增长的Common Voice数据集现在是同类中最大的，有成千上万的人将他们的声音和最初写的句子贡献给公共领域（CC0）”。

Common Voice数据集独特且丰富多样，因为它代表了语音贡献者的全球社区。这些贡献者还可以选择提供其他信息，如年龄，性别和口音，以便他们的语音剪辑附加到训练语音引擎有用的数据。

Mozilla在2018年6月启用了多语言支持，使Common Voice更具全球性和包容性。 Mozilla还涉及为该项目做出贡献的不同社区，他们帮助以22种不同语言开展数据收集工作，并在共同语音网站上开展了70多项正在进行的工作。

在这些社区的帮助下，Mozilla对Common Voice数据集进行了最新增加，包括荷兰语，Hakha-Chin，世界语，波斯语，巴斯克语和西班牙语等语言。它还计划继续与这些社区合作，以保持所代表的声音的多样性。根据Mozilla团队的说法，这些公共贡献者不仅能够跟踪记录和验证中每种语言的进度，还改进了不同剪辑的提示。

Mozilla还添加了一个新选项来创建保存的配置文件，这有助于贡献者跟踪他们在不同语言中的进度和指标。它还提供可选的人口统计资料信息，进一步帮助改善用于训练语音识别准确性的音频数据。

除数据集外，Mozilla还致力于在未来为更多样化和创新的语音技术生态系统做出贡献。它旨在发布支持语音的产品，同时确保支持研究人员和小型企业。

“对于Common Voice，我们在2018年的重点是构建这个概念，使其成为任何语言社区使用，优化网站和构建强大后端的工具。我们的总体目标仍然是：为寻求构建和使用语音技术的世界上每个人提供更多更好的数据，“Mozilla团队表示。