Mozilla开源语音数据集已拥有超两万小时内容，新增支持粤语、闽南语

本周早些时候，Mozilla宣布，其通用语音数据集现在包含超过20，000小时的内容，世界各地的任何人都可以用来改进他们的语音识别软件，几乎是一年前的两倍。

本站了解到，最新的英文数据集为71 GB，支持的语言比以往任何时候都多，包括提格雷语，闽南语，梅多马里语，孟加拉语，托基波纳语和粤语。

根据Mozilla的说法，公共语音项目允许任何人向该项目贡献自己的声音，从而使虚拟助理能够理解更多的口音此外，通用语音项目是开源的，这确保了大型技术公司无法垄断它，并为小型开发者和公司提供了构建有竞争力的产品和服务的机会

Mozilla在最新数据集版本中指出的亮点如下:

六种新语言:提格雷语，闽南语，梅多马里语，孟加拉语，托基波纳语和粤语。

27种语言拥有至少100小时的语音数据，包括孟加拉语，泰语，巴斯克语和弗里斯兰语。

9种语言拥有至少500小时的语音数据，包括基尼亚卢旺达语，加泰罗尼亚语和斯瓦希里语。

9种语言中至少45%的性别标签为女性，包括马拉地语，迪维希语和卢甘达语。