logo

モジラがオープンソースの音声認識モデルとデータセットをリリース

Chris Duckett (CNET News) 翻訳校正: 湯本牧子 吉武稔夫 (ガリレオ)2017年12月01日 12時22分
  • このエントリーをはてなブックマークに追加

 Mozillaは、音声認識プロジェクト「Common Voice」で、2万人から収集した40万件近い録音を含むコレクションをリリースした。一般に公開されている音声データセットとしては2番目に大規模だという。

 コレクションの音声サンプルは、MozillaのCommon Voiceプロジェクトから取得したものだ。Common Voiceでは、「iOS」アプリまたはウェブサイトを通じてユーザーが自分の音声を提供できる。このプロジェクトの狙いは、大規模な公開データセットを作成することで、より優れた音声対応アプリケーションを実現することだ。

 Mozillaで新興技術担当シニアバイスプレジデントを務めるSean White氏は、ブログ記事で「商用のサービスがほとんどない理由の1つは、データが不足しているためだ」と述べている。

 「新興企業や研究者、あるいは音声対応技術を開発したいと考えている人なら誰でも、機械学習アルゴリズムの訓練に利用できる高品質の録音データを必要としている。そうした人々が現時点で利用できるのは、ごく限られたデータセットだけだ」(White氏)

 現在、コレクションは英語に対応したものとなっているが、2018年前半に他の言語にも拡大する計画だ。

 Mozillaはさらに、中国のインターネット大手Baidu(バイドゥ)の取り組みをベースにしたオープンソースの音声認識モデル「Project DeepSpeech」をリリースした。音声データセット「LibriSpeech」を用いた際の誤認識率は6.5%で、DeepSpeechの認識精度は人間のレベルに近づいているという。

Mozilla Common Voice
提供:Getty Images/iStockphoto

この記事は海外CBS Interactive発の記事を朝日インタラクティブが日本向けに編集したものです。

CNET Japanの記事を毎朝メールでまとめ読み(無料)

-PR-企画特集

このサイトでは、利用状況の把握や広告配信などのために、Cookieなどを使用してアクセスデータを取得・利用しています。 これ以降ページを遷移した場合、Cookieなどの設定や使用に同意したことになります。
Cookieなどの設定や使用の詳細、オプトアウトについては詳細をご覧ください。
[ 閉じる ]