Mozilla公开全球最大公共领域转录语音资料集

Mozilla公开现今最大的多语言语音资料集，其中收集了18种语言的语音，包括英语、法语、德语和繁体中文，另外还有威尔士语和卡比尔语等，新资料集收集了来自42,000人的声音，组成1,400小时的语音片段。

在2017年Mozilla启动了Common Voice群众外包计划，其目的是要收集多元语言的声音资料集，现已经成为全世界最大的人类语音数据库。虽然Google、苹果及亚马逊等都打造了自己的语音辨识服务，但Mozilla认为，由大厂控制的语音辨识生态圈，可能阻挡其他新进入者，而且大厂通常只注重主流语言，因此Mozilla希望透过向群众募集语音，以CC 0授权供给其他想要进行语音控制研究的学术单位或是新创公司使用。Common Voice在2018年6月开始支援多语言，收集包括繁体中文语音等22种语言。

Common Voice资料集不仅在数量上让其他语音资料集望尘莫及，而且语音来源遍及全球，让语音多样性更是独一无二的丰富。这些贡献者可以选择提供年龄、性别和口音等多元资料，以便提供更多的语音片段标签给训练语音引擎使用。

Mozilla提到，通常资料集都需要手动调整多样性以及男女人数比例，不然就会像TED talks的TEDLIUM语料库，因为男性演讲人是女性的3倍，导致资料集的多样性受到影响。

Common Voice在2018年启动多语言支援后，现在已经收集到了22种语言的语音，最新的包括荷兰语、世界语，波斯语，巴斯克语和西班牙语。最近Mozilla还与Deutsche Gesellschaft für Internationale Zusammenarbeit（GIZ）合作，在卢旺达首都吉佳利的举办黑客松，为当地创建了语音数据库，帮助卢旺达开源语音技术开发。

而Mozilla启动Common Voice一部分的原因，也是要供给自家的DeepSpeech专案使用，开发语音转文字和文字转语音引擎以及训练模型使用。目前为止，DeepSpeech已经可以用人类的精准度，即时将语音转换成文字，可为串流语音进行即时转换，在演讲、电话交谈、电视节目、广播节目和其他网络直播节目都可以应用。

DeepSpeech现在已经被使用在多个Mozilla专案中，包括开源语音助理Mycroft、个人助理Leon以及用于私人组织转录电话讯息的电话交换系统FusionPBX。Mozilla提到，未来DeepSpeech还会上到较小的平台装置，像是智能手机或是车载系统。

Mozilla根据社群的回馈进行了可用性研究，以持续改善Common Voice网站，并设法让贡献过程更加有趣，以鼓励更多的人持续贡献他们的声音，因此贡献者可以在录制和验证的过程中，看到每种语言的进度，并改善了移动到剪辑片段的提示。贡献界面增加了审查、重新录制以及跳过剪辑等新功能，方便贡献者操作语音录制，另外，现在也可以创建储存配置文件，跨多语言追踪贡献者自己的进度以及指标。