Mozilla开源语音识别模型和语音数据集
极客时间编辑部
讲述:杜力大小:986.00K时长:02:06
DeepSpeech,是一个开源的语音到文本的转换引擎,拥有很高的识别准确率。
Mozilla 表示,目前市场上只有少量可用的商业性质的语音识别服务,且被少数几个大公司占据。这限制了初创公司、研究者,甚至那些希望在产品和服务中引入语音功能的大型公司用户的选择和可选特性。
这也是 Mozilla 启动并将 DeepSpeech 作为开源项目的初衷。据介绍,该产品在 LibriSpeech 的 test-clean 数据集上仅有 6.5% 的词错率。此外,DeepSpeech 中还包括了预构建的 Python 包、NodeJS 包和一个命令行二进制,从而使开发者可以立刻使用并进行语音识别实验。
此外,商业化服务如此少的一个原因是数据的缺乏。初创公司、研究者想要建立具备语音功能的技术,都需要高质量的转录语音数据用于训练机器学习算法,但目前他们只能获得相当有限的数据集。
据介绍,为了解决这个问题,Mozilla 在今年七月份启动了Common Voice 项目。该项目的目标是使人们能轻松地将他们的语音数据贡献到一个公开数据集上,从而建立一个种类最多的、所有人都可用的语音数据集。
本次,Mozilla 公布了该数据集的第一部分:大约有 400,000 份录音,共 500 个小时时长。
Mozilla 认为,该数据集最重要的贡献是向人们展示了整个世界的样貌,它拥有全球超过 20000 人的贡献,反映了全世界的语音多样性。
通常,现有的语音识别服务无法理解不同的方言,而且很多服务对男性的识别效果要高于对女性的识别效果,这是由训练数据所带来的偏差。Mozilla 期望贡献者的数量规模和不同的背景、方言可以为人们创建一个全球化的代表性数据集,进而开发出更具包容性的技术。
虽然目前主要是英文数据,但是未来 Common Voice 将支持对多种语言的贡献,这个计划将从 2018 年上半年开始。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》,如需阅读全部文章,
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(1)
- 最新
- 精选
- 极客时间攻城狮学习了
收起评论