5 月 1 日訊息，本週早些時候，Mozilla 宣佈其 Common Voice 資料集現在包含超過 20000 小時的內容，世界各地的任何人都可以使用這些內容來改進他們的語音識別軟體，幾乎是一年前的兩倍。

瞭解到，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 專案允許任何人為專案貢獻自己的聲音，從而讓虛擬助手能夠理解更多的口音。此外，Common Voice 專案是開源的，可確保大型科技公司無法獨佔，為小型開發商和公司提供了構建競爭產品和服務的機會。

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、巴斯克語和弗里斯蘭語。

• 9 種語言至少有 500 小時的語音資料，包括基尼亞盧安達語（2383 小時）、加泰羅尼亞語（2045 小時）和斯瓦希里語（719 小時）。

• 9 種語言有至少 45% 的性別標籤為女性，包括馬拉地語、迪維希語和盧幹達語。