［草稿］Common Voiceの課題設定

このページは非公式です。正確な情報はフォーラムや公式サイトを参照して下さい。

• 参考：Mozilla Voice Community Playbook

• データセットの起源は、文章収集である。
• 文章コーパスと音声コーパスは、データセットの素材である。
• 文章コーパスの貢献者は、Sentence Collectorのユーザーである。
• 音声コーパスの貢献者は、webアプリのユーザーである。
• システムをトレーニングする技術者は、データセットのユーザーである。
• 最終的なエンドユーザーは、万人（あるいはシステムのターゲット層）である。

参加方法

• コミュニティ支援――皆が参加できるように助ける
  • フォーラムやチャットの質問に回答する
    • フォーラム：Common Voice - Mozilla Discourse
    • チャット：Common Voice - Matrix
  • 議論に参加する
  • 感想、アイディアを共有する
  • 活動日記をつける
  • 情報を整理して共有する
• 開発支援――サイトやツールを開発、修正、メンテナンスする
  • Common Voice · GitHub: Sentence Collector, Sentence Extractor, Dataset, etc.
  • GitHub - mozilla/common-voice：Webアプリ
  • バグを報告する
  • 機能を提案する

データセット生成前の課題設定

1. 言語の追加
   • フォーラムで要望するトピックを立てる
     • 参考：Readme: How to see my language on Common Voice
2. Webアプリの翻訳
   • 方法：Common Voice - Pontoon

文章収集の課題設定

1. 探す
   1. なにを？（収集する対象の把握）
      • パブリックドメイン (public domain)
        • 参考：パブリックドメイン - Wikipedia
      • CC0
        • 参考：CC0 - Creative Commons
        • 参考：CC0について ― “いかなる権利も保有しない” | クリエイティブ・コモンズ・ジャパン
        • 参考：CC0 FAQ | クリエイティブ・コモンズ・ジャパン
   2. どこで？　どうやって？
      • 探し方：How-to on Common Voice Sentence Collector
      • アイディア：Ideas for finding public domain text（日本語版：パブリックドメインの文章を探すアイディア［初版］）
      • 文章のリンク集：Text Corpus Link Collection（日本語版：テキストコーパスのリンク集［初版概略］）
   3. 見つけたら：［重要］文章の権利状態の確認
   4. 追加の仕方
      • 自分で追加する？
        • 収集する
          • 手動？
          • 自動？
      • 情報を共有するだけ？：Text Corpus Link Collection
2. 追加
   1. 文体の確認
      • 参考：How-to on Common Voice Sentence Collector
      • 参考：文章の編集について（使用文字の確認）
      • 編輯する？
   2. 追加する
      • 文章の疑問：文章収集・CollectorツールのQ&A（自家製）
      • 自分でレビューする？

   メモ

   • 言語ごとの決まりは？
     • 日本語：Sentence collector for Japanese language (日本語の文章について)
3. レビュー
   • 判断基準：Discussion of new guidelines for uploaded sentence validation
   • パブリックドメインでない文を発見したら：Sentence collector copyright issues
   • Collectorツールでの文章のレビューのやり方

   メモ

   • レビューは前後のページに移動しても持ち越される
   • 判断できない文は？：無視しても良い

   疑問

   • 不採用の文はどうなる？

• コレクションに変更を加える流れは？
• 個人的な提案
  • Post #18 on Sentence Collector Open Discussions - Input needed - Common Voice - Mozilla Discourse

音声収集の課題設定

1. 録音
   1. 音声入力装置（マイク等）を用意する
   2. 文章を読む
      • 読むときの疑問：Common VoiceのQ&A（自家製）
   3. 音声が録音されているか確認
   4. クリップを提出

   メモ

   • 録音する際の注意点は？：Common Voiceの録音と検証のやり方
   • 読めない・読みたくない文は？：スキップボタン
   • 不適切な文があったら？：報告ボタン
   • 5クリップ未満でも提出できる
   • 途中で録音を消して終了できる

   疑問

   • マイクが使用できない（声が入力できない）ときは？
2. 検証
   1. 文章を見ないで、音声を聴く
   2. 次に、文章を見て、音声と合っているか確認する
   • 判断基準：Discussion of new guidelines for recording validation
   • 聞くときの疑問：Common VoiceのQ&A（自家製）
   • Common Voiceの録音と検証のやり方

   メモ

   • 判断できないクリップは？：スキップボタン
   • 不適切な声・文があったら？：報告ボタン

• クリップに変更を加える流れは？
• 個人的な提案：
  • 効率的に録音するには？
    • 音量を自動で検出する：自動で修正するか、ユーザーに問題を提示
  • 効率的に検証するには？
    • 検証できないクリップを自動で検出する
      • ケース1：音声が録音されていない