Common Voice ist ein 2017 von Mozilla gestartetes Crowdsourcing-Projekt zur Sammlung von Sprachdaten, die aus der Aufnahme von vorgelesenen Sätzen oder Worten bestehen. Die Daten stammen aus vielen Sprachen und werden von Freiwilligen eingesprochen und überprüft.
Nach der Anmeldung auf dem Portal von Common Voice, das mit einem Ziel- und Belohnungssystem für die Teilnahme ausgestattet ist, werden entweder Beispielsätze aus der Wikipedia zum Lesen und Aufnehmen oder die Aufnahmen anderer Nutzer zur Verifizierung angeboten. Die gesamten Daten sind gemeinfrei („CC0“). Common Voice erschien als Antwort auf die Sprachassistenten der großen Unternehmen, wie Amazon Echo, Siri oder Google Assistant.
Namensgebung Der Name „Common Voice“ stammt aus dem Englischen und bedeutet übersetzt etwa „gemeinsame Stimme“. Mozilla hat den Namen in Anlehnung an Creative Commons gewählt, was auf den gemeinsamen Grundgedanken des Allgemeinguts zurückzuführen ist.
Geschichte Seit dem 6. Juni 2018 können auch deutsche Sätze eingesprochen und überprüft werden. Es existiert eine inoffizielle Android-App.
Seit 2021 unterstützen Nvidia, die Bill & Melinda Gates Foundation, die Deutsche Gesellschaft für Internationale Zusammenarbeit und das britische Foreign and Commonwealth Office das Projekt.
Statistik Die englische Datenbank von Common Voice ist mittlerweile die größte frei zugängliche Sprachdatenbank. Der Digitalisierungsfortschritt in den meisten Sprachen ebbte nach kurzer Zeit ab, nur in wenigen Fällen kam eine kritische Masse zustande:github.com
Spracheh validiert2019-12-10 (4.0) h validiert2022-07-04 (10.0) h validiert2022-09-21 (11.0) h validiert2023-03-09 (13.0) 14.0 Organisator Englisch1118 227523192428 2484 / Katalanisch246 1390170020142400 AINAprojecteaina.cat Kinyarwanda 200120012001 2001 Digital Umugandafoundation.mozilla.org Belarussisch 1089115913411511 ? Esperanto (keine Standardaussprache) 1872muss ein Fehler sein validHrs: 1872.42 > totalHrs: 1430.21141414311430 telegra.ph Deutsch483 1136115712571290 / Französisch350 868906941 958 / Kabylisch263 553564565 565 Universität Tizi Ouzou etc.discourse.mozilla.org Spanisch168 411413482503 / Luganda 407408437 437 Persisch212 327344355 357Suaheli/326338348bezahlt von MozillaChenai Chair: Maendeleo: Mozilla’s Kiswahili Common Voice Work Continues, 23. September 2021.Italienisch85321326342346 Baschkirisch 256256257 257 Башҡорт телмәрен цифрлаштырыуChinesisch64130227231Tamil224225229229Olyk-Mari114133148175?
Verwandte Projekte LibriSpeech: Sprachkorpus von ungefähr 1000 Stunden englischsprachiger Hörbücher aus LibriVox (CC BY 4.0). TED-LIUM: Sprachkorpus von ungefähr 118 Stunden aus englischsprachigen TED-Talks (CC BY-NC-ND 3.0). Tatoeba: Sammlung von (gesprochenen) Beispielsätzen in verschiedenen Sprachen mit Übersetzungen (Texte CC BY 2.0, Audio größtenteils CC BY-NC-ND 3.0). VoxForge: Sprachkorpus in verschiedenen Sprachen, um freie Spracherkennungs-Engines, wie Julius zu unterstützen (GPL 3).
Weblinks
Common Voice – Offizielle Website
Einzelnachweise
Kategorie:Computerlinguistik Kategorie:Mozilla Kategorie:Werk unter einer Creative-Commons-Lizenz