IT之家 5 月 1 日消息，本周早些時候，Mozilla 宣布其 Common Voice 資料集現在包含超過 20000 小時的内容，世界各地的任何人都可以使用這些内容來改進他們的語音識别軟體，幾乎是一年前的兩倍。
IT之家了解到，最新的英語資料集有 71 GB，支援的語言也比以往任何時候都多，增加了蒂格雷語、閩南語、Meadow Mari、孟加拉語、道本語和粵語。
根據 Mozilla 的說法，Common Voice 項目允許任何人為項目貢獻自己的聲音，進而讓虛拟助手能夠了解更多的口音。此外，Common Voice 項目是開源的，可確定大型科技公司無法獨占，為小型開發商和公司提供了建構競争産品和服務的機會。
Mozilla 在最新資料集版本中指出的亮點如下：
6 種新語言：蒂格雷語、閩南語、Meadow Mari、孟加拉語、道本語和粵語。
27 種語言至少有 100 小時的語音資料，包括孟加拉語、泰語、巴斯克語和弗裡斯蘭語。
9 種語言至少有 500 小時的語音資料，包括基尼亞盧旺達語（2383 小時）、加泰羅尼亞語（2045 小時）和斯瓦希裡語（719 小時）。
9 種語言有至少 45% 的性别标簽為女性，包括馬拉地語、迪維希語和盧幹達語。