Mozilla hat eine neue Version des Sprachdatensatzes Common Voice veröffentlicht. Mit Version 25.0 wird der bislang größte frei verfügbare Datensatz menschlicher Stimmen weiter ausgebaut.
Der Datensatz umfasst in der aktuellen Ausgabe Sprachaufnahmen in 290 Sprachen mit insgesamt rund 41.792 Stunden eingesprochenem Material. Für die deutsche Sprache haben mehr als 20.000 Teilnehmende etwa 1500 Stunden an Sprachbeiträgen geliefert. Der entsprechende Datensatz hat eine Größe von rund 35 GByte und steht zum Download bereit.
Das Projekt Common Voice wurde 2017 von Mozilla initiiert und wird als offene Plattform betrieben. Ziel ist es, frei zugängliche Sprachdaten bereitzustellen, die für die Entwicklung und das Training sprachbasierter Anwendungen genutzt werden können. Die Inhalte entstehen durch freiwillige Beiträge von Nutzern, die ihre Sprachaufnahmen zur Verfügung stellen.
Mit diesem Ansatz soll insbesondere kleineren Unternehmen und unabhängigen Entwicklern der Zugang zu umfangreichen Trainingsdaten erleichtert werden, die ansonsten häufig nur mit erheblichem finanziellem Aufwand verfügbar sind.
