Mozilla Common Voice 語音資料集 8.0 成長至 87 種語言，總長度提升30%，即日起開放台語錄音
2022/2/18
Common Voice 語音資料集是非營利組織 Mozilla 基金會（Mozilla Foundation）欲使語音科技更加包容的開源專案。該專案自 2018 年起建立網站，收集世界各地的志願者錄音，以建立含括各國語言，免費且自由開放的語音資料庫，讓任何企業與研究者都可運用來打造語音技術。日前釋出的語音資料集 8.0 版已成長至 87 種語言，總長度提升30%。Common Voice 並於即日起開放台語錄音功能，歡迎自由參與，留下自己的聲音，一同協助台語語音科技上的發展。
現今的語音技術已不限於智慧音響，如數位銀行、政府服務、健康科技，都越來越常提供語音操作。我們想要確保沒有任何人被忽略，Common Voice 專案是其中的必要一環。
Common Voice 8.0 是現今世界上最多元的開放語音資料集，也是專案史上成長幅度最大的版本。這個成果源自於持續增長且專注的社群，及多個提供資源的合作夥伴 — — 諸如蓋茲基金會、NVIDIA、及德國國際合作機構（GIZ）。世界各地超過二十萬位參與者，共錄製了一千三百萬個錄音檔，總長度達一萬八千小時。台灣的華語錄音則來自將近一千七百位參與者，達八十九小時。
本版本中的新語言包含西非伊博語（Igbo）、印度馬拉提語（Marathi）、印度桑塔利語（Santali / Ol Chiki）、丹麥語、新挪威語、中庫德語、印度馬拉雅拉姆語（Malayalam）、非洲史瓦希利語（Swahili）、俄羅斯厄爾茲亞語（Erzya）、俄羅斯莫克沙語（Moksha）及馬其頓語。
世界各地的社群志工們通力合作、啟發並協助在地的鄉民參與，透過眾包完成這一切。每個參與者都提供了在地的獨特經驗、語言背景及文化知識。在此版本中，我們特別想要表彰以下幾位 Common Voice 語言大使的貢獻：Chris Chinenye Emezue、Joan Montané 及 Nart 於 CC0 語句收集的卓越成果；建立土耳其社群的 Bülent Özden、及致力於提倡 Common Voice 的 Stefania Deleprete。我們也要特別恭喜錄音大幅增長的烏茲別克、盧甘達、賽爾維亞、豪薩（Hausa）、 白俄羅斯及阿布哈茲（Abkhaz）社群。
NVIDIA 等合作夥伴使用本資料集推進其創新的開源計畫，研究科學家 Vitaly Lavrukhin 說：「對於研究社群而言，最新的 Common Voice 資料集超讚。這份資料持續作為 NVIDIA 開源語音辨識模型 NeMo Automatic 的核心，我們也恭喜其團隊達成資料的顯著增長。NVIDIA 將會釋出 NeMo 所使用的資料預處理程式，以協助研究重現。」
蓋茲基金會、德國國際合作機構（GIZ）及英國外交部（FCDO）的協助，也在東非地區透過數位與語音科技的創新。作為社會平等的重要基礎建設。如史瓦希利語，僅在數個月內就收集 500 小時的資料，此成果亦要感謝：肯亞的社群研究員 Britone Mwasaru、坦尚尼亞丹麥難民理事會的 Rebecca Ryakitimbo，以及肯亞的機器學習研究員 Kathleen Siminyu。
此外，歷經四年的努力，經由 Mozilla 台灣社群（ https://moztw.org ）與 g0v 台灣零時政府（ https://g0v.tw ）語言相關專案的志工通力合作，Common Voice 也於二月中旬起啟動台語錄音，預期將於今（2022）年 Q3 即會釋出首份包含台語語音的資料集。歡迎大家透過手機與電腦打開 commonvoice.mozilla.org/nan-tw ，一起來錄台語，共同建立開放自由的語音資料庫，促進台語語音輸入等相關技術發展。
共咱鬥相工來錄音，打造高品質、會當公開使用的資料集，協助電腦來學著台灣話！
在這邊免費下載 Common Voice 8.0 資料集：
https://commonvoice.mozilla.org/zh-TW/datasets
立刻來錄台語：
https://commonvoice.mozilla.org/nan-tw/
新聞聯繫與合作：
Irvin Chen ( irvin@moztw.org )
MozTW, Mozilla 台灣社群聯絡人
Common Voice 台灣社群討論區： https://discourse.mozilla.org/c/voice/zh-TW/
Common Voice 台灣社群討論區
Mozilla Common Voice 語音資料集 8.0 成長至 87 種語言，總資料提升30%，即日起開放台語錄音 was originally published in Mozilla related on Medium, where people are continuing the conversation by highlighting and responding to this story.
