@CCNDA 2025/3/16
hackmd.io/@moztw/common-voice-ccnda
台灣維基媒體協會 專案執行
Mozilla Firefox 瀏覽器（火狐）志工、MozTW 台灣社群聯絡人、網頁工程師
Note:
自我介紹一下，Mozilla 志工、Firefox 的推廣者、摩茲工寮社群場地 hackerspace 顧門的志工、開放文化基金會顧問
- 讓電腦／手機的語音助理可以說各種語言
- 教 AI 用族語說話
- 讓手機可以翻譯族語與世界上的其他語言
- 準備一組沒有版權問題的包含所有語言的免費語音資料，讓任何開發者能實現上述的願景
- 2017 在台北「如何設計一個網站來『收集語音』workshop」；英語開放錄音
- 2018 國語（華語）
- 2022 台語（台灣閩南語）
- 2024/12 開放九種族語：排灣, 賽德克, 布農, 撒奇萊雅, 泰雅, 魯凱（含萬山, 多納, 茂林）
準備階段
- [專案志工] 收集錄音用的句子，並上傳到錄音後台：
- 無版權限制的句子
- 生活對話為主
- 單句為主、單詞為輔
開放錄音階段
- [錄音者] 自行上網站錄音
- [錄音者] 自行在網站上聽現有的錄音，並進行驗證（確認錄音）
- [Mozilla] 每三個月以 CC0 授權（公眾領域）在網站上免費公布語音資料庫
- [研究者與商業公司] 自由下載語音資料，研究與開發相關科技。例如：
- 語音辨識 speech-to-text
- 文字轉語音/語音合成 text-to-speech, voice synthesis
- 口譯, AI, 字典... 任何用途
@2025-3-14
https://commonvoice.mozilla.org/languages
- 華語 129 小時 / 2260 人錄音
- 台語 24 小時 / 271 人錄音
- 族語：各 11~15 小時，預定七月開放下載
- 因為想開放族語錄音，需要找各語言的句子
- 在去年12月獲得教育部國教署授權，將政大原民中心編的 1～9 年級族語課本的句子整理後上傳，各族約各 600 句
- 在一月底獲得台灣聖經公會授權，可取用聖經族語版 500 節以內的經文
- 舊約、新約：布農、賽德克、魯凱、泰雅
- 馬可福音：萬山、茂林、多納
從各族語聖經，整理出各一百句的句子，以便上傳 Common Voice 錄音網站
- 如何選擇經文？
- 如何把經文整理成一句一句？
- 相同的方法可應用在國語、台語、客語聖經嗎？
目前進度： github.com/irvin/formosan_bible_corpus_processing