- Mozilla 開始收集大陸地區漢語語音資料，更進一步充實其公開語音資料集
- 現已收集27種不同語言的錄音音檔，並將再擴大支援72種語言
- Common Voice （「同聲計畫」）是史上最大的開源語音轉錄文字資料集，其最新釋出的資料庫囊括來自逾4.2萬貢獻者以18種語言錄製的音檔，總長近1,400小時
台灣台北2019年5月8日 /美通社/ -- 開發開源 Firefox 瀏覽器的非營利組織 Mozilla 宣布，其所推動之最大語音資料募集計畫 -- Common Voice 平台已正式支援簡體中文。在廣大的 Mozilla 社群及語言專家夥伴的辛勤努力下，從現在開始，網友可到 Common Voice 的簡中網站（https://voice.mozilla.org/zh-CN）錄製音檔。
語音介面是網際網路未來大勢之所趨。車用語音助理、智慧手錶、智慧燈泡等，內建語音辨識技術的裝置可謂與日俱增。然而，相關技術的創新仍面臨重大阻礙 -- 有意打造語音輔助方案的新創公司、研究人員或各種開發者都需取得大量、轉錄為文字的語音數據，才能訓練機器學習的演算法。但現有公開語音資料集的語音資料量與支援語種數都極其有限，而私有的語音資料不但僅掌握在少數幾家公司手中，而且費用高昂。
有鑑於此，Mozilla 自2017年6月起展開 Common Voice 計畫，希望建立全球化的開源語音語料庫，以因應語音介面的發展需求並突破現階段的市場侷限。Mozilla 認為，此類介面不該只把持在少數幾家握有語音服務技術的廠商手中，而且，Mozilla 希望能讓使用者以自己的語言和熟悉的腔調來吸收和了解資訊。
已收集包括漢語 (簡中) 在內的27種語音資料
Common Voice 在2018年6月開始收集多語語音資料。從那時起，此專案便不斷壯大，變得更全球化、更具包容性。在過去10個月間，大批的熱血貢獻者踴躍響應，已在 Common Voice 網站上發起27種語言音檔的收集計畫，另外還有高達72種語言的錄音計畫正在進行中。
最新加入的語言是漢語（簡體中文）。現在，世界各地的網友都可到 https://voice.mozilla.org/zh-CN 網站捐聲音，或驗證其他人錄音的音檔。
Mozilla 開源語音募集計畫 Common Voice 擴大支援簡體中文。
語音貢獻者還可選擇保留專案紀錄，以掌握自己的錄音紀錄。此外，他們也可選擇提供人口特徵資訊，以協助 Mozilla 改善用以訓練語音識別引擎的語音資料。
一如 Common Voice 收集的其他語言資料，Mozilla 對於漢語（簡中）的目標是要累積約1萬小時之通過驗證的音檔，因為1萬小時的音檔量才足以訓練出完備的語音辨識系統。除此以外，這還附帶另一個好處：所有人都可「同聲」一氣，共同推動語音辨識技術的進展。無論在上班途中、在公車上、午休時間、在家裡，或與親朋好友齊聚一堂時，不管是透過 voice.mozilla.org 網站或 iOS 應用，只要有手機或電腦，就能捐聲音或驗證其他人的音檔。
Mozilla 開源創新計劃總監 George Roter 表示：「就算一個人只錄或聽幾秒鐘的音檔，但若貢獻者多達數十萬，加起來的資料量就非常驚人！當更多人都願意出一份力時，這套語音資料集的價值就能更快提升。」
釋出多語語音資料集
Mozilla 將一本初衷、繼續充實語音資料集的內涵，使其成為人人可用的公有資源。Mozilla 已於今年二月釋出第一批的多語語音資料集，其中共涵蓋18種語言的錄音音檔，包括：英文、法文、德文和華語（正體中文）等廣泛通行的語言，以及威爾斯語及卡拜爾語等較為冷門的語言。Common Voice 至今已收集逾4.2萬人貢獻的錄音，總長度約1,400小時，且語音資料量仍持續成長中。
在此資料集釋出後，Common Voice 的規模已超越其他同類型的語音資料集，並已將數萬人的錄音音檔及對應文字開放給公眾使用（採 CC0 授權）。任何人都可到 Common Voice 網站下載完整的語音資料集。
Mozilla 開源語音募集計畫 Common Voice 擴大支援簡體中文。
George Roter 進一步表示：「Mozilla 致力於促進更多元創新之語音科技生態系的發展。我們不但希望能自行推出語音技術的產品，也立志傾力支援研究人員及小公司的發展，在建立全球最大公共的多語語音資料集的過程中，我們很榮幸得到越來越多人的幫助，也很感謝志願者的熱情相挺，讓我們成功展開對於簡體中文的支持。」
圖片 - https://photos.prnasia.com/prnh/20190508/2460230-1-a
圖片 - https://photos.prnasia.com/prnh/20190508/2460230-1-b
