A Mozilla Alapítvány egy új közösségi kezdeményezést indított, amely a „Common Voice”, azaz a közös hang nevet viseli, célja pedig az, hogy elegendő hanganyagot gyűjtsön össze, amit aztán könnyedén fel lehet majd használni hang alapú vezérlést támogató alkalmazások fejlesztésére.
A hangvezérlés nagyon sok fejlesztő figyelmét keltette fel az elmúlt évek során, a vállalatok pedig egyre nagyobb figyelmet fordítanak a funkció tökéletesítésére, illetve különböző eszközökbe történő beültetésére. Az Apple, a Baidu, az Amazon, a Microsoft és a Google kínálatában egyaránt található ilyen szolgáltatás, ám ezek mögött jellemzően mesterséges intelligencia húzódik, ami óriási segítség a különböző funkciók tökéletesítésében. A felsorolt cégek kiélezett versenyt folytatnak egymással annak érdekében, hogy minél nagyobb szeletet hasíthassanak ki maguknak a piac képzeletbeli tortájából, ehhez pedig arra van szükség, hogy minél több eszközbe, minél gyorsabban integrálják a hangfelismerő és hangvezérlő funkciókat – plusz az sem árt, ha ezek megbízhatóan működnek.
A Mozilla szerint ezek a törekvések szépek és jók, de van velük egy hatalmas baj: mindannyian szabadalmaztatott, hétpecsétes titokként kezelt technológiák köré épülnek, és az általuk használt adatkészletek sem érhetőek el mások számára, így az egyetemek és a startupok komoly hátrányból indulnak, ha ezen a területen szeretnének tevékenykedni, illetve tanulmányokat folytatni. A nagyvállalatok a pénzügyi előnyeik miatt a technológia további fejlődésével behozhatatlan előnyre tehetnek szert a kisebb szereplőkkel és a startupokkal szemben, ez pedig nem jó irány a Mozilla szerint. Ráadásul a nagy és neves vállalatok jellemzően csak a legszélesebb körben használt világnyelveken beszélők zökkenőmentes kiszolgálására törekszenek, ezáltal nagyon sok felhasználót zárnak ki az újszerű felhasználói- és rendszerirányítási élményből.
Éppen ezért indult el a Common Voice kezdeményezés, amely gondoskodna a hangfelismerő technológia szélesebb körben történő elérhetőségéről is. A Mozilla célja, hogy több, mint 10 000 órányi felvételt gyűjtsön be átlagemberektől, akiknek különböző mondatokat kell hangosan felolvasniuk. A felvétel minősége nem számít, a környezetnek pedig nem kell csendesnek lennie – éppen ellenkezőleg, minél változatosabb helyekről érkeznek a hangminták, annál jobban lehet majd tökéletesíteni a hangfelismerés pontosságát. A szakemberek szerint a nagymennyiségű, kellően változatos hangminta jóvoltából tökéletesíthető lesz a hangfelismerő motor. Ezáltal garantálható, hogy a hangfelismerés és a hangvezérlés nem csak a csendes hálószobában, hanem akár zajosabb környezetben is megfelelően fog működni. Az egész projekt nyílt forráskódú megoldásként válhat elérhetővé az érdeklődő fejlesztők számára
A közösségi összefogáson alapuló adatgyűjtés abszolút nem szokatlan dolog, hiszen egyebek mellett a Google Translate szolgáltatása is használja ezt a lehetőséget a fordítások tökéletesítésére. Persze a munka oroszlánrészét ma már nem a szolgáltatás felhasználói, hanem a Google Translate mögött húzódó mesterséges intelligencia végzi, de azért még most is van lehetőség a javaslatok beküldésére.
A Mozilla nyílt forráskódú Common Voice hangadatbázisa várhatóan még idén elérhetővé válik az érdeklődő fejlesztők számára. Aki szeretne jelentkezni "hangdonornak", vagy csak szeretne segíteni a már felvett tartalmak ellenőrzésében, itt megteheti – de csak FireFox, Chrome vagy Edge webböngésző alól, az Internet Explorer 11 nem lesz jó.
