USC — Corpus aberto de fala uzbeque do ISSAI (105 horas, 958 falantes) para tecnologia de voz em uzbeque

O uzbeque, falado por dezenas de milhões de pessoas, tinha quase nenhuns dados de fala abertos, o que deixava interfaces de voz, legendagem e ferramentas de apoio fora do alcance de muitos utilizadores. Em 2021, uma equipa do ISSAI (Universidade Nazarbayev, Cazaquistão) e colaboradores uzbeques publicou o USC, um corpus de código aberto com 105 horas de fala lida transcrita de 958 falantes, verificado manualmente por falantes nativos.
Os autores treinaram reconhecedores DNN-HMM e de ponta a ponta e reportaram taxas de erro por palavra de 18,1% no conjunto de validação e 17,4% no de teste, descrevendo estes resultados como preliminares. O artigo foi aceite na SPECOM 2021 e o conjunto de dados, os modelos pré-treinados e as receitas de treino estão disponíveis no GitHub.
A evidência limita-se a testes técnicos: não há estudo com utilizadores, implementação nem dados de adoção publicados, e a licença dos dados não consta nas páginas do projeto. O seu valor para a inclusão digital é o de infraestrutura habilitadora de ferramentas de voz em uzbeque, e não o de um resultado de serviço medido.