Wikipedia

Common Voice

Crowdsourcing-Projekt zur Erstellung einer freien Datenbank zum Training für Spracherkennungs-Software

Common Voice ist ein von Mozilla gestartetes Crowdsourcing-Projekt zur Sammlung von Tonaufnahmen in vielen Sprachen.

Common Voice
„Maschinen beibringen, wie echte Menschen sprechen“
Sammlung von gesprochenen Sätzen für eine Spracherkennungs-Datenbank
Sprachen multilingual (Liste der Sprachen)
Betreiber Mozilla Foundation
Registrierung Optional
Online 19. Juni 2017[1]
https://commonvoice.mozilla.org/

Freiwillige sprechen dazu entweder Beispielsätze aus der Wikipedia ein und verifizieren die Aufnahmen anderer Nutzer. Die gesamten Daten sind gemeinfrei („CC0“). Common Voice erschien als Antwort auf die Sprachassistenten der großen Unternehmen, wie Amazon Echo, Siri oder Google Assistant.[2][3]

Namensgebung Bearbeiten

Der Name „Common Voice“ stammt aus dem Englischen und bedeutet übersetzt etwa „gemeinsame Stimme“. Mozilla hat den Namen in Anlehnung an Creative Commons gewählt, was auf den gemeinsamen Grundgedanken des Allgemeinguts zurückzuführen ist.[4]

Geschichte Bearbeiten

Seit dem 6. Juni 2018 können auch deutsche Sätze eingesprochen und überprüft werden.[5] Es existiert eine inoffizielle Android-App.[6]

Seit 2021 unterstützen Nvidia, die Bill & Melinda Gates Foundation, die Deutsche Gesellschaft für Internationale Zusammenarbeit und das britische Foreign and Commonwealth Office das Projekt.[7][8][9]

Statistik Bearbeiten

Die englische Datenbank von Common Voice ist mittlerweile die größte frei zugängliche Sprachdatenbank.[7] Der Digitalisierungsfortschritt in den meisten Sprachen ebbte nach kurzer Zeit ab, nur in wenigen Fällen kam eine kritische Masse zustande:[10]

Sprache h validiert
2019-12-10 (4.0)		 h validiert
2022-07-04 (10.0)		 h validiert
2022-09-21 (11.0)		 h validiert
2023-03-09 (13.0) 		14.0 Organisator
Englisch 1118 2275 2319 2428 2484 /
Katalanisch 246 1390 1700 2014 2400 AINA[11]
Kinyarwanda 2001 2001 2001 2001 Digital Umuganda[12]
Weißrussisch 1089 1159 1341 1511 ?
Esperanto (keine Standardaussprache) 1872[13] 1414 1431 1430 [14]
Deutsch 483 1136 1157 1257 1290 /
Französisch 350 868 906 941 958 /
Kabylisch 263 553 564 565 565 Universität Tizi Ouzou etc.[15]
Spanisch 168 411 413 482 503 /
Luganda 407 408 437 437 [16]
Persisch 212 327 344 355 357
Suaheli / 326 338 348 bezahlt von Mozilla[17]
Italienisch 85 321 326 342 346
Baschkirisch 256 256 257 257 [18]
Chinesisch 64 130 227 231
Tamil 224 225 229 229
Olyk-Mari 114 133 148 175 ?

Verwandte Projekte Bearbeiten

  • LibriSpeech: Sprachkorpus von ungefähr 1000 Stunden englischsprachiger Hörbücher aus LibriVox (CC BY 4.0).
  • TED-LIUM: Sprachkorpus von ungefähr 118 Stunden aus englischsprachigen TED-Talks (CC BY-NC-ND 3.0).
  • Tatoeba: Sammlung von (gesprochenen) Beispielsätzen in verschiedenen Sprachen mit Übersetzungen (Texte CC BY 2.0, Audio größtenteils CC BY-NC-ND 3.0).
  • VoxForge: Sprachkorpus in verschiedenen Sprachen, um freie Spracherkennungs-Engines, wie Julius zu unterstützen (GPL 3).
  • Thorsten (Stimme) deutscher Sprachkorpus einer Person für TTS-Sprachmodelle (CC0-Lizenz)

Weblinks Bearbeiten

Commons: Common Voice – Sammlung von Bildern, Videos und Audiodateien

Einzelnachweise Bearbeiten

  1. ↑ Daniel Kessler: Raising Our Common Voice For The Web. In: The Mozilla Blog. 19. Juni 2017, abgerufen am 26. Januar 2018 (amerikanisches Englisch).
  2. ↑ Frequently Asked Questions. In: Common Voice. Abgerufen am 26. Januar 2018 (amerikanisches Englisch).
  3. ↑ Wolfgang Reszel: Mozilla sammelt Stimmaufzeichnungen für offene Spracherkennungs-Software. In: heise online. 23. Juli 2017, abgerufen am 26. Januar 2018.
  4. ↑ Sebastian Grüner: Mozilla bringt freie Spracherkennung für alle (Seite 2). In: Golem.de. 30. November 2017, abgerufen am 26. Januar 2018.
  5. ↑ Sebastian Grüner: Common Voice: Mozillas freie Sprachdatenbank wird mehrsprachig. In: Golem.de. 7. Juni 2018, abgerufen am 7. Juni 2018.
  6. ↑ Spende deine Stimme: CV Project – Apps bei Google Play. Abgerufen am 10. März 2021.
  7. ↑ a b Ulrich Bantle/Linux Magazin/Sebastian Grüner: Mozilla erweitert freien Sprachdatensatz massiv. In: Golem.de. 6. August 2021, abgerufen am 6. August 2021.
  8. ↑ Mozilla Common Voice Receives $3.4 Million Investment to Democratize and Diversify Voice Tech in East Africa. In: mozilla.org. 25. März 2021, abgerufen am 6. August 2021 (englisch).
  9. ↑ Mozilla partners with NVIDIA to democratize and diversify voice technology. In: mozilla.org. 12. April 2021, abgerufen am 6. August 2021 (englisch).
  10. ↑ https://github.com/common-voice/cv-dataset/tree/main/datasets
  11. ↑ https://www.projecteaina.cat/
  12. ↑ https://foundation.mozilla.org/en/blog/lessons-from-building-for-kinyarwanda-on-common-voice/
  13. ↑ muss ein Fehler sein validHrs: 1872.42 > totalHrs: 1430.21
  14. ↑ https://telegra.ph/Miriado-kaj-Komuna-Vo%C4%89o-01-24
  15. ↑ https://discourse.mozilla.org/t/kab-team-program-about-mozillas-projects-session-01-common-voice-and-sentence-collector/41244
  16. ↑ Archivierte Kopie (Memento des Originals vom 15. August 2022 im Internet Archive)  Info: Der Archivlink wurde automatisch eingesetzt und noch nicht geprüft. Bitte prüfe Original- und Archivlink gemäß Anleitung und entferne dann diesen Hinweis.@1@2Vorlage:Webachiv/IABot/events.mak.ac.ug
  17. ↑ Chenai Chair: Maendeleo: Mozilla’s Kiswahili Common Voice Work Continues, 23. September 2021
  18. ↑ Башҡорт телмәрен цифрлаштырыу
Abgerufen von „https://de.wikipedia.org/w/index.php?title=Common_Voice&oldid=239941834“