Meta公布AI語(yǔ)音模型 支持4000種語(yǔ)言

世界上許多語(yǔ)言正面臨消失的危機，而現有的語(yǔ)言辨識與生成技術(shù)上的限制更加快此趨勢。Meta今天發(fā)布新聞稿指出，Meta發(fā)表一系列的AI模型，希望幫助用戶(hù)以自己習慣的語(yǔ)言，更輕松獲取信息及使用電子裝置。

Meta表示，公司研發(fā)的大規模多語(yǔ)言語(yǔ)音（Massively Multilingual Speech，簡(jiǎn)稱(chēng)MMS）模型，擴展文字轉語(yǔ)音及語(yǔ)音轉文字技術(shù)的應用范圍，從最初的100種語(yǔ)言，至今已可轉換超過(guò)1100種語(yǔ)言，超越過(guò)去的10倍。還能辨識超過(guò)4000種口語(yǔ)語(yǔ)言，是過(guò)去的40倍。

應用案例方面，從VR（虛擬現實(shí)）、AR（擴增實(shí)境）至訊息服務(wù)，不僅能使用偏好語(yǔ)言操作，更可理解每個(gè)人的聲音。

Meta指出，將開(kāi)源這項技術(shù)的原始碼及模型，讓研究社群能夠以現有的工作成果為基礎繼續開(kāi)發(fā)，一同保存全球的語(yǔ)言，并拉近人們間的距離。

過(guò)去最大型的語(yǔ)音數據庫最多僅涵蓋100種語(yǔ)言，因此開(kāi)發(fā)此技術(shù)所面臨的第一個(gè)挑戰即為「搜集數千種語(yǔ)言的語(yǔ)音訓練數據」。為了克服這項挑戰，Meta使用已翻譯成多種語(yǔ)言、譯文已被廣泛閱讀及研究的宗教經(jīng)典，例如「圣經(jīng)」，作為語(yǔ)言的文字訓練數據。

Meta表示，圣經(jīng)譯文有多種語(yǔ)言的公開(kāi)錄音文件，作為大型多語(yǔ)言語(yǔ)音模型計劃的一部分，Meta創(chuàng )造的數據集，搜集超過(guò)1100種語(yǔ)言的「新約圣經(jīng)」有聲讀物數據集，平均為每種語(yǔ)言提供32小時(shí)的語(yǔ)音訓練數據，后續又加入其他未標注的基督教有聲讀物后，可用的語(yǔ)言訓練數據已涵蓋超過(guò)4000種語(yǔ)言。

Meta強調，將持續擴增大規模多語(yǔ)言語(yǔ)音模型的涵蓋范圍，以支持更多語(yǔ)言的轉換及辨識，并努力克服現有語(yǔ)音技術(shù)難以處理方言的挑戰。