Mozilla 開(kāi)始收集大陸地區(qū)漢語(yǔ)語(yǔ)音資料，更進(jìn)一步充實(shí)其公開(kāi)語(yǔ)音資料集，現(xiàn)已收集27種不同語(yǔ)言的錄音音檔，并將再擴(kuò)大支援72種語(yǔ)言。

Common Voice （“同聲計(jì)劃”）是史上最大的開(kāi)源語(yǔ)音轉(zhuǎn)錄文字資料集，其最新釋出的資料庫(kù)囊括來(lái)自逾4．2萬(wàn)貢獻(xiàn)者以18種語(yǔ)言錄制的音檔，總長(zhǎng)近1，400小時(shí)。

開(kāi)發(fā)開(kāi)源 Firefox 瀏覽器的非營(yíng)利組織 Mozilla 宣布，其所推動(dòng)之最大語(yǔ)音資料募集計(jì)劃 －－ Common Voice 平臺(tái)已正式支援簡(jiǎn)體中文。在廣大的 Mozilla 社群及語(yǔ)言專家伙伴的辛勤努力下，從現(xiàn)在開(kāi)始，網(wǎng)友可到 Common Voice 的簡(jiǎn)中網(wǎng)站錄制音檔。

語(yǔ)音介面是網(wǎng)際網(wǎng)路未來(lái)大勢(shì)之所趨。車用語(yǔ)音助理、智慧手表、智慧燈泡等，內(nèi)建語(yǔ)音辨識(shí)技術(shù)的裝置可謂與日俱增。然而，相關(guān)技術(shù)的創(chuàng)新仍面臨重大阻礙 －－ 有意打造語(yǔ)音輔助方案的新創(chuàng)公司、研究人員或各種開(kāi)發(fā)者都需取得大量、轉(zhuǎn)錄為文字的語(yǔ)音數(shù)據(jù)，才能訓(xùn)練機(jī)器學(xué)習(xí)的演算法。但現(xiàn)有公開(kāi)語(yǔ)音資料集的語(yǔ)音資料量與支援語(yǔ)種數(shù)都極其有限，而私有的語(yǔ)音資料不但僅掌握在少數(shù)幾家公司手中，而且費(fèi)用高昂。

有鑒于此，Mozilla 自2017年6月起展開(kāi) Common Voice 計(jì)劃，希望建立全球化的開(kāi)源語(yǔ)音語(yǔ)料庫(kù)，以因應(yīng)語(yǔ)音介面的發(fā)展需求并突破現(xiàn)階段的市場(chǎng)局限。Mozilla 認(rèn)為，此類介面不該只把持在少數(shù)幾家握有語(yǔ)音服務(wù)技術(shù)的廠商手中，而且，Mozilla 希望能讓使用者以自己的語(yǔ)言和熟悉的腔調(diào)來(lái)吸收和了解資訊。

已收集包括漢語(yǔ)（簡(jiǎn)中）在內(nèi)的27種語(yǔ)音資料

Common Voice 在2018年6月開(kāi)始收集多語(yǔ)語(yǔ)音資料。從那時(shí)起，此專案便不斷壯大，變得更全球化、更具包容性。在過(guò)去10個(gè)月間，大批的熱血貢獻(xiàn)者踴躍響應(yīng)，已在 Common Voice 網(wǎng)站上發(fā)起27種語(yǔ)言音檔的收集計(jì)劃，另外還有高達(dá)72種語(yǔ)言的錄音計(jì)劃正在進(jìn)行中。

最新加入的語(yǔ)言是漢語(yǔ)（簡(jiǎn)體中文）。現(xiàn)在，世界各地的網(wǎng)友都可到網(wǎng)站捐聲音，或驗(yàn)證其他人錄音的音檔。

Mozilla 開(kāi)源語(yǔ)音募集計(jì)劃 Common Voice 擴(kuò)大支援簡(jiǎn)體中文。

語(yǔ)音貢獻(xiàn)者還可選擇保留專案紀(jì)錄，以掌握自己的錄音紀(jì)錄。此外，他們也可選擇提供人口特征資訊，以協(xié)助 Mozilla 改善用以訓(xùn)練語(yǔ)音識(shí)別引擎的語(yǔ)音資料。

一如 Common Voice 收集的其他語(yǔ)言資料，Mozilla 對(duì)于漢語(yǔ)（簡(jiǎn)中）的目標(biāo)是要累積約1萬(wàn)小時(shí)之通過(guò)驗(yàn)證的音檔，因?yàn)?萬(wàn)小時(shí)的音檔量才足以訓(xùn)練出完備的語(yǔ)音辨識(shí)系統(tǒng)。除此以外，這還附帶另一個(gè)好處：所有人都可“同聲”一氣，共同推動(dòng)語(yǔ)音辨識(shí)技術(shù)的進(jìn)展。無(wú)論在上班途中、在公車上、午休時(shí)間、在家里，或與親朋好友齊聚一堂時(shí)，不管是透過(guò) voice．mozilla．org 網(wǎng)站或 iOS 應(yīng)用，只要有手機(jī)或電腦，就能捐聲音或驗(yàn)證其他人的音檔。

Mozilla 開(kāi)源創(chuàng)新計(jì)劃總監(jiān) George Roter 表示：“就算一個(gè)人只錄或聽(tīng)?zhēng)酌腌姷囊魴n，但若貢獻(xiàn)者多達(dá)數(shù)十萬(wàn)，加起來(lái)的資料量就非常驚人！當(dāng)更多人都愿意出一份力時(shí)，這套語(yǔ)音資料集的價(jià)值就能更快提升。”

釋出多語(yǔ)語(yǔ)音資料集

Mozilla 將一本初衷、繼續(xù)充實(shí)語(yǔ)音資料集的內(nèi)涵，使其成為人人可用的公有資源。Mozilla 已于今年二月釋出第一批的多語(yǔ)語(yǔ)音資料集，其中共涵蓋18種語(yǔ)言的錄音音檔，包括：英文、法文、德文和華語(yǔ)（正體中文）等廣泛通行的語(yǔ)言，以及威爾斯語(yǔ)及卡拜爾語(yǔ)等較為冷門(mén)的語(yǔ)言。Common Voice 至今已收集逾4．2萬(wàn)人貢獻(xiàn)的錄音，總長(zhǎng)度約1，400小時(shí)，且語(yǔ)音資料量仍持續(xù)成長(zhǎng)中。

在此資料集釋出后，Common Voice 的規(guī)模已超越其他同類型的語(yǔ)音資料集，并已將數(shù)萬(wàn)人的錄音音檔及對(duì)應(yīng)文字開(kāi)放給公眾使用（采 CC0 授權(quán)）。任何人都可到 Common Voice 網(wǎng)站下載完整的語(yǔ)音資料集。

Mozilla 開(kāi)源語(yǔ)音募集計(jì)劃 Common Voice 擴(kuò)大支援簡(jiǎn)體中文。

George Roter 進(jìn)一步表示：“Mozilla 致力于促進(jìn)更多元?jiǎng)?chuàng)新之語(yǔ)音科技生態(tài)系的發(fā)展。我們不但希望能自行推出語(yǔ)音技術(shù)的產(chǎn)品，也立志傾力支援研究人員及小公司的發(fā)展，在建立全球最大公共的多語(yǔ)語(yǔ)音資料集的過(guò)程中，我們很榮幸得到越來(lái)越多人的幫助，也很感謝志愿者的熱情相挺，讓我們成功展開(kāi)對(duì)于簡(jiǎn)體中文的支持�！�