Common Voiceについて
Common Voiceについて
2021年9月11日を以て、Common Voiceについて(koe.sinumade.net/cv/)の更新は終了しました。作業に対して、絲の処理能力が追い付かなくなったためです。また、Mozillaに対する関心を失いました。
As of September 11, 2021, Common Voiceについて (koe.sinumade.net/cv/) will no longer be updated. This is because sinumade's capacity can no longer keep up with the work. Also, I have lost interest in Mozilla.
パブリックドメインの音声データセット、Common Voiceについてのメモです。
- 常に公式のWebサイトやフォーラムが最新の情報です。ここにあるのは非公式の翻訳及び、個人の解釈です。従って、情報の正確性を保証するものではございません。ご諒承下さい。
- sinumade.net(全ページ)に書かれていることは、私個人の意見・提案であり、Mozillaを含め、いかなる個人・集団を代表するものではありません。
- 改訂前の文章は、Wayback Machineにて閲覧できます。
- 書いているのは絲こと@sinumadeです。日本語のネイティヴスピーカーです。文法と英語と音声認識システムには無知ですが、書くことは好きです。
目次
お知らせ
2020年のお報せ (Notice for 2020)
2020年11月14日現在、Common Voice(日本語版)で録音に使用している文章には、パブリックドメインではない文章が多数含まれています(「目標セグメント」を除く)。
日本語のデータセットは、バージョン:ja_9h_2020-06-22
(Corpus 5.1:2020年7月14日リリース)までの全文がパブリックドメインではないか、Mozillaが不適切と判断したコーパス由来です。
次回のリリースで修正される可能性があります。
- 2020年11月12日、不適切な出典を由来とする文章が、文章コレクションから削除されました。
- 削除された結果、日本語の総文数は2,746から、774(1,972減)になりました。
- 削除の主な理由は、出典がパブリックドメインでなかったことです。詳細はsinumadeの報告(2020年11月7日)を参照して下さい。
- 2020年11月14日:該当する文章に基づく音声及びデータセットの扱いは、言明されていません。
- 2020年10月8日、Tanaka Corpus (EDRDG Wiki)由来の文章は不適切と判断され、文章コレクションから
除外削除されました。
始めに:作業の工程を知る
私がわかる範囲で、Common Voiceの工程・参加部分をまとめてみました。(もちろん、実際は細かな工程があり、多様な参加方法があります)
- 私たちの活動がどのような影響を与えるか知り、面白さと責任を自覚します。
- 具体的な作業方法と、問題が起きたときの対処法を理解します。
→ [草稿]Common Voiceのワークフロー(作業の流れ)
→ [草稿]Common Voiceの課題設定
録音と検証(音声チェック)について
1クリップ(10秒)、パソコン・スマートフォンから参加できます。
→ Common Voiceの録音と検証のやり方
→ Common VoiceのQ&A(自家製)
文章収集 (sentence-collection) について
ユーザー登録をすればすぐ始められます(メールアドレス不要)。2020年10月7日、commonvoice.mozilla.orgアカウントと統合され、Collectorツールのユーザー登録利用にはメールアドレスが必須になりました。
→ Common Voiceに向けた日本語の文章収集について
録音で読み上げる「文章」も、ボランティアが収集しています。
Common Voiceが機能するには、文章が欠かせません! 収集するのはパブリックドメインの文章です。
どなたか、そのありかを知りませんか? または、私たち自身が、パブリックドメインの文章を創ってみませんか?
レビュー(文章の検証)のみの参加も大歓迎です!
他にできることは?
Common Voiceに参加する人を助けましょう。あるいは、増やしましょう。知ってもらうだけでも、大きな前進です!
Contribute to Common Voice - Mozilla Community Portalには、皆に参加してもらうアイディアが書かれています。スライドやポスターなんかもあります(英語ですが、参考になるでしょう)。
- 手始めに、フォーラムで困っている人の質問に答えたり、公開議論に投書してみるっていうのはどうでしょう?
- プログラミングに詳しい人なら、公式サイトやCollectorツールの開発に加わることもできます!
- 資料を読んで、プロジェクトへの理解を深める。
- プロジェクトを効率的に進める方法を考える。
- 各工程で難儀していることや、こうだったら楽にできるのになあ、と思うことはありませんか?
- 私みたいに、メモや感想を公開してみるのも良い手です。特に、主立った資料は翻訳されていないものが多いので、英語以外の言語で書かれた情報は歓迎されます。
- 逆に、自分の意見を英語で書いて、広く伝えることもできますね。ご存知の通り、英語は話者が多いので、情報を共有するにはもってこいです。
実際、私たちの“声”が必要です
あなたが日本語の話者であってもそうでなくても、Common Voiceはあなたを必要としています。世界中の誰もを必要としているのです! フォーラムでなくても構わないので、どこかであなたの感想や意見を披露してみませんか?
Common Voiceは世界そのもののプロジェクトです。私はフォーラムのような場所が苦手でしたが、参加する以上は(特に文章収集は自分のみならず、他のボランティアにも影響を及ぼします)、人々の意見を聞き、そして自分の意見を披露してみなければならないと思いました。実際のところ、私は私以外の日本語スピーカーの意見を必要としています――いえ、Common Voiceが。世界が。私一人が日本語や日本人を語るなんて、あまりにも大それたことです! 不可能と言ってもいい。だから、私はあなたを必要としています。他に意見する人を。楽しむ人を。
私は、あなたと(この言い方は好きでないです、二分するような気がして)楽しみを分かち合いたいのです。
世界は、たぶん、皆が一つになれるプロジェクトを提供してくれたと思うのです。それが私にとっての魅力であり、楽しみです。
リンク集