ОБЪЕДИНЕНИЕ ЛИДЕРОВ НЕФТЕГАЗОВОГО СЕРВИСА И МАШИНОСТРОЕНИЯ РОССИИ
USD 92,37 0,10
EUR 99,53 -0,18
Brent 0.00/0.00WTI 0.00/0.00

Появилась самая большая база образцов речи. По ней будут учить алгоритмы

Консорциум MLCommons выпустил самый полный набор данных о человеческой речи на английском языке, чтобы обучать алгоритмы.

Как заявили в MLCommons, их набор данных — один из самых крупных в мире. Записи голоса, собранные там, лицензированы для академического и коммерческого использования. Также там есть разговорные слова на разных языках (MSWC), это также самый крупный датасет, собранный на 50 языках.

Датасеты помогут разным разработчикам создавать свои системы распознавания речи, при этот тратя меньше денег, чем раньше.

Современные модели машинного обучения полагаются на огромные объемы данных для обучения. Наши датасеты с самым большим количеством данных на 50 языках отлично подойдут для этого. Мы провели исследование и поняли, что на большинстве из этих 50 языков никогда не было общедоступных наборов данных для определения ключевых слов. Если даже они и были, то имели очень ограниченный словарный запас. 

Текст ссобщения

С 2018 года во главе с MLCommons появилась рабочая группа, которая определила 50 наиболее часто используемых языков в мире и объединила информацию о них в единый набор данных. В группе были сотрудники Гарварда и Мичиганского университета, а также представители Alibaba, Oracle, Google, Baidu, Intel и других крупных компаний. 

В результате получилось два набора данных — People’s Speech — он нацелен на распознавание речи, и второй, MSWC работает на поиск и идентификацию ключевых слов.

Набор данных People’s Speech включает более 30 тыс. часов аудиозаписей разговоров, выпущенных по лицензии Creative Commons. Данные можно использовать для создания моделей распознавания голоса или ПО для транскрипции.

MSWC содержит более 340 тыс. ключевых слов с более чем 23,4 млн примеров и охватывает языки, на которых говорят более 5 млрд человек. Набор подойдет, например, для центров обработки вызовов и интеллектуальных устройств.

Дополнительная информация

  • Автор: Елизавета Приставка

Идет загрузка следующего нового материала

Это был последний самый новый материал в разделе "Цифровые технологии"

Материалов нет

Наверх