谷歌的WAXAL让非洲合作方负责1.1万小时AI数据

AI系统常常无法理解非洲语言，高质量且许可宽松的语音语料库是主要瓶颈。谷歌及其非洲伙伴还必须处理方言差异、拼写标准和参差不齐的录音环境。

合作方将本地所有权作为设计决策。经过三年工作，谷歌发布了WAXAL，一个涵盖21种非洲语言的数据集，而收集数据的非洲组织保留所有权。宽松的许可使数据集可开放用于商业部署，大学语言学系和便携式录音盒帮助解决了技术问题。

该发布产生了来自近200万条录音的超过1.1万小时的语音，包括约1250小时的转录语音和超过20小时的录音室音频。加纳大学已将其用于孕产妇健康研究，将本地机构从数据收集者转变为AI基础设施枢纽。

WAXAL发布，包含来自近200万条录音的1.1万多小时数据；非洲机构拥有数据，并已用于孕产妇健康研究。

非洲语言系统容易出错，因为训练数据稀缺且难以获得许可。

本地所有权解决了主权和信任问题，同时让收集数据的人保持对数据的控制。

宽松许可让非洲企业家无需硅谷中介即可构建和商业化产品。

大学语言学家和本地设计的录音设备使得对方言敏感、干净的语音捕获成为可能。

当生态系统缺乏可信的本地数据时，给予贡献者所有权和宽松许可；治理可以同时解锁基础设施、商业使用和采用。

谷歌表示已有六种更多语言正在准备中，使计划总数达到27种，但方言覆盖和约鲁巴语变音符号缺失仍是未解决的质量问题。微软的Paza项目表明，社区主导的非洲语言基础设施正在成为竞争领域，但WAXAL的直接结果是本地拥有的数据集已支持研究和未来产品。