本周早些时候，Mozilla 宣布 Common Voice 数据集已经收集了超过 2 万个小时的内容，世界各地的任何人都可以使用这些内容来改进他们的语音识别软件，几乎是一年前的两倍。
本次更新中，英语数据集的容量达到了 71GB，而且支持更多的语言，包括Tigre、闽南语、Meadow Mari、Bengali、Toki Pona和粤语。
Mozilla 表示， Common Voice 项目非常重要，因为它允许任何人向该项目贡献他们的声音，这应该允许虚拟助手理解更多口音。此外，它确保大科技公司不是唯一拥有大型数据集的公司--这让小的开发者和公司有机会建立竞争性产品和服务。
Mozilla 表示最新发布的数据集具备以下优势：
● 新增 6 种 语言
新版本还具有六种新的语言。Tigre, 闽南语, Meadow Mari, Bengali, Toki Pona 和粤语。
● 扩容
现在有27种语言拥有至少100小时的语音数据。它们包括孟加拉语、泰语、巴斯克语和弗里斯兰语。
9 种语言现在至少有500小时的语音数据。它们包括基尼亚卢旺达语（2383小时）、加泰罗尼亚语（2045小时）和斯瓦希里语（719小时）。
● 女性语音
九种语言现在都有至少45%的性别标签为女性。它们包括马拉地语、迪维希语和卢甘达语。
● 社区推动
加泰罗尼亚语社区推动了主要的增长。加泰罗尼亚语社区的AINA项目--巴塞罗那超级计算中心和加泰罗尼亚政府之间的合作--动员了加泰罗尼亚语使用者为"共同声音"做出贡献。
支持社区参与决策然而。共同语音语言代表队（Common Voice language Rep Cohort）已经贡献了关于最佳句子收集、语言变体的纳入等方面的反馈和学习成果。