Das Machine-Learning-Team von Mozilla hat die Verfügbarkeit der freien Spracherkennung Deep Speech bekannt gegeben. Gleichzeitig veröffentlicht Mozilla dazu eine frei zugängliche Sprachdatenbank.
Mozilla hat sich mit dem im Sommer gestarteten Projekt Common Voice auf die Fahnen geschrieben, der Öffentlichkeit eine frei zugängliche Ressource für Spracherkennung anzubieten. Endnutzer, Entwickler, Forscher und Startups sollen davon profitieren, indem sie Zugriff auf die notwendigen Daten und technologischen Hilfsmittel bekommen.
Für Common Voice hat Mozilla über die Webseite und eine I-OS-App nach eigenen Angaben fast 400.000 Sprachaufnahmen von 200.000 unterschiedlichen Personen gesammelt. Das entspreche etwa 500 Stunden an Material.
Die Fähigkeiten der Engine Deep Speech bezeichnet Mozilla als weit fortgeschritten. Die Spracherkennung von Deep Speech arbeitet von Ende-zu-Ende, sprich aus den Audidaten erzeugt die Engine Text. Deep Speech lässt sich trainieren. In einem ausführlichen Blogbeitrag beschreibt Reuben Morais von der Machine-Learning-Group bei Mozilla die Funktion und den Aufbau. Deep Speech selbst ist auf Github zu finden.
Die App zu Common Voice sammelt Sprachbeispiele. Quelle: Mozilla
