携手英伟达:Mozilla发布新版Common Voice Dataset

1.jpg

(来自:Mozilla

随着新版公共语音数据集的发布,可知 Common Voice 语料库已拥有超过 13000 小时的众包语音数据。

与上一版相比,其新增了 4622 小时的内容,并且迎来了对 16 种语言的支持,包括:

巴萨语、斯洛伐克语、北库尔德语、保加利亚语、哈萨克语、巴什基尔语、加利西亚语、维吾尔语、亚美尼亚语、白俄罗斯语、乌尔都语、瓜拉尼语、塞尔维亚语、乌兹别克语、阿塞拜疆语、以及豪萨语。

目前 Common Voice 已经收集了 76 种语言的公共语音数据库,以及超过 18.2 万份独特的声音,贡献者社区在过去六个月内迎来了 25% 的增长。

2.jpg

(传送门:NVIDIA

语音时长 13905 小时,较上一版本增加了 4622 小时。排名前五的语言分别为英语(2630 小时)、基尼亚卢旺达语(2260 小时)、德语(1040 小时)、加泰罗尼亚语(920 小时)、以及世界语(840 小时)。

增长百分比最高的是泰语(从 12 小时到 250 小时、增长近 20 倍),卢干达语(从 8 小时到 80 小时、增长 9 倍),世界语(从 100 小时到 840 小时、增长超 7 倍),泰米尔语(从 24 小时到 220 小时、增长超 8 倍)。

感兴趣的朋友,可移步至 Common Voice 官网(传送门),为这个公共语音数据集贡献自己的一份力量。或者前往 GitHub 存储库,获取特定的元数据集和使用说明。

最后,作为 Mozilla 与 NVIDIA 的一个合作项目,相关训练模型也可通过 Nvidia NeMo 免费获得,后者是该公司打造的用于构建语音识别和对话模型的工具包。

原创文章,作者:kepupublish,如若转载,请注明出处:https://blog.ytso.com/37312.html

(0)
上一篇 2021年7月31日
下一篇 2021年7月31日

相关推荐

发表回复

登录后才能评论