Common Voice

3. 역사

2017년 11월 29일, 커먼 보이스 프로젝트의 첫 번째 데이터가 공개되었을 때, 전 세계 2만 명 이상의 사용자가 40만 개의 검증된 문장을 등록하여 총 500시간 분량의 영어 음성 데이터가 구축되었다.^[15]

2019년 2월, 영어, 프랑스어, 독일어, 중국어를 포함한 18개 언어의 음성 데이터가 첫 번째 버전으로 출시되었다. 여기에는 웨일스어, 카빌어 등 소수 언어도 포함되었으며, 총 42,000명 이상의 기여자가 약 1,400시간 분량의 음성 데이터를 제공했다.^[16]

2020년 12월 기준, 60개 언어, 9283h의 음성 기록이 데이터베이스에 축적되었으며, 그중 7335h 분량이 자원 봉사자에 의해 검증되었다.^[13]

2022년 초, 벵골어.AI는 기계가 벵골어를 이해하도록 돕는 "방글라 음성 인식" 프로젝트를 위해 커먼 보이스와 협력하여 2000h의 음성 데이터를 수집했다.^[3]

4. 음성 데이터베이스

Common Voice 데이터베이스는 LibriSpeech 다음으로 자유롭게 접근 가능한 두 번째로 큰 음성 데이터베이스이다.^[15] 2017년 11월 29일에 첫 번째 데이터가 게시되었을 당시 전 세계 20,000명 이상의 사용자가 400,000개의 유효 문장을 등록했으며 총 길이는 500시간이었다.^[15]

2019년 2월에는 영어, 프랑스어, 독일어, 중국어를 포함한 18개 언어의 첫 번째 배치가 출시되었으며, 웨일스어, 카빌어와 같이 널리 사용되지 않는 언어도 포함되었다. 여기에는 총 42,000명 이상의 기부자로부터 약 1,400시간의 녹음된 음성 데이터가 포함되었다.^[16] 모질라의 카타리나 보르처트에 따르면, 많은 기존 프로젝트들은 공영 라디오에서 데이터를 가져오거나, 여성과 뚜렷한 억양을 가진 사람들을 제대로 대표하지 못하는 데이터 세트를 가지고 있었다.^[2]

2020년 7월 기준으로 데이터베이스에는 54개 언어로 총 7,226시간의 음성 녹음이 축적되었으며, 이 중 5,591시간은 자원봉사자가 검증했다.^[6] 2021년 5월에는 키냐르완다어를 추가하는 작업을 마친 후, 스와힐리어를 추가하기 위한 보조금을 받았다.^[7] 2022년 9월에는 가나의 트위어가 모질라 커먼 보이스 데이터베이스에 추가된 100번째 언어라는 발표가 있었다.^[8]

4. 1. 지원 언어 목록 (2022년 10월 기준)

• 압하스어
• 아랍어
• 아르메니아어
• 아삼어
• 아스투리아스어
• 바슈키르어
• 바사어
• 바스크어
• 벨라루스어
• 벵골어
• 브르타뉴어
• 불가리아어
• 카탈루냐어
• 중국어 (광둥어, 중국어 방언)
• 추바슈어
• 체코어
• 덴마크어
• 디베히어
• 네덜란드어
• 영어
• 에스페란토
• 에르자어
• 핀란드어
• 프랑스어
• 프리지아어
• 갈리시아어
• 조지아어
• 독일어
• 그리스어
• 과라니어
• 하우사어
• 하카 친어
• 힌디어
• 헝가리어
• 인도네시아어
• 인테르링구아
• 아일랜드어
• 이탈리아어
• 일본어
• 카빌어
• 카자흐어
• 키냐르완다어
• 한국어
• 쿠르드어 (중앙 쿠르드어, 쿠르만지어 방언)
• 키르기스어
• 라트비아어
• 루간다어
• 마케도니아어
• 말라얄람어
• 몰타어
• 마라티어
• 마리어 (초원 마리어, 구릉 마리어 방언)
• 목샤어
• 몽골어
• 네팔어
• 노르웨이어 (뉘노르스크)
• 오디아어
• 페르시아어
• 폴란드어
• 포르투갈어
• 펀자브어
• 루마니아어
• 로만슈어 (수르실반어, 발라데르어 방언)
• 러시아어
• 사하어
• 산탈어
• 사라이키어
• 사르데냐어
• 세르비아어
• 슬로베니아어
• 스페인어
• 스와힐리어
• 스웨덴어
• 타이완어
• 타밀어
• 타타르어
• 태국어
• 티그레어
• 티그리냐어
• 토키 포나
• 트위어
• 터키어
• 상 소르브어
• 우크라이나어
• 우르두어
• 위구르어
• 우즈베크어
• 베트남어
• 보트어
• 웨일스어

참조

_[1] 웹사이트 Mozilla Common Voice https://commonvoice.[...] 2024-10-06
_[2] 뉴스 Why do we gender AI? Voice tech firms move to be more inclusive https://www.theguard[...] 2020-01-11
_[3] 웹사이트 Bengali.AI: Democratising AI research in Bangla https://www.tbsnews.[...] 2022-12-25
_[4] 웹사이트 Announcing the Initial Release of Mozilla’s Open Source Speech Recognition Model and Voice Dataset https://blog.mozilla[...] 2019-11-19
_[5] 웹사이트 Mozilla updates Common Voice dataset with 1,400 hours of speech across 18 languages https://venturebeat.[...] 2019-11-19
_[6] 웹사이트 Mozilla Common Voice updates will help train the ‘Hey Firefox’ wakeword for voice-based web browsing https://venturebeat.[...] 2020-07-01
_[7] 웹사이트 Mozilla Common Voice Receives $3.4 Million Investment to Democratize and Diversify Voice Tech in East Africa https://foundation.m[...] 2021-06-03
_[8] 웹사이트 Ghana’s most popular language is now on Mozilla Common Voice https://qz.com/ghana[...] 2022-09-23
_[9] 웹사이트 Languages https://commonvoice.[...] 2022-10-04
_[10] 뉴스 Why do we gender AI? Voice tech firms move to be more inclusive https://www.theguard[...] 2020-01-11
_[11] 웹사이트 Announcing the Initial Release of Mozilla’s Open Source Speech Recognition Model and Voice Dataset https://blog.mozilla[...] 2021-05-04
_[12] 웹사이트 Mozilla updates Common Voice dataset with 1,400 hours of speech across 18 languages https://venturebeat.[...] 2021-05-04
_[13] 웹사이트 Common Voiceデータセット https://commonvoice.[...] 2021-05-04
_[14] 뉴스 Why do we gender AI? Voice tech firms move to be more inclusive https://www.theguard[...] 2020-04-19
_[15] 웹인용 Announcing the Initial Release of Mozilla’s Open Source Speech Recognition Model and Voice Dataset https://blog.mozilla[...] 2017-11-29
_[16] 웹인용 Mozilla updates Common Voice dataset with 1,400 hours of speech across 18 languages https://venturebeat.[...] 2019-02-28