支援數千種語言
世界上許多語言都有消失的危險，當前語音辨識和生成技術的局限性只會加速這一趨勢。我們希望讓人們更容易以他們的首選語言訪問資訊和使用設備，今天我們宣佈了一系列人工智慧（AI）模型，可以幫助他們做到這一點。
大規模多語言語音 （MMS） 模型將文本轉語音和語音轉文本技術從大約 100 種語言擴展到 1，100 多種語言（是以前的 10 倍多），還可以識別 4，000 多種語言，是以前的 40 倍。
語音技術也有許多用例 - 從虛擬實境和擴增實境技術到消息傳遞服務 - 可以用一個人的首選語言使用，並且可以理解每個人的聲音。
我們正在開源我們的模型和代碼，以便研究社區中的其他人可以在我們的工作基礎上進行構建，並幫助保護世界語言並使世界更緊密地聯繫在一起。
我們的方法
收集數千種語言的音訊數據是我們的第一個挑戰，因為現有的最大的語音數據集最多涵蓋 100 種語言。為了克服這個問題，我們轉向宗教文本，例如聖經，這些文本已被翻譯成許多不同的語言，並且其翻譯已被廣泛研究用於基於文本的語言翻譯研究。
這些譯本有人們用不同語言閱讀這些文本的公開錄音。作為 MMS 專案的一部分，我們創建了一個超過 1，100 種語言的新約閱讀數據集，每種語言平均提供 32 小時的數據。
考慮到其他各種基督教宗教讀物的未標記錄音，我們將可用的語言數量增加到 4 多種。雖然這些數據來自特定領域，並且通常由男性說話者閱讀，但我們的分析表明，我們的模型在男性和女性聲音方面表現同樣出色。雖然錄音的內容是宗教的，但我們的分析表明，這不會使模型產生更多的宗教語言。
展望未來
未來，我們希望擴大 MMS 的覆蓋範圍以支援更多語言，並解決處理方言的挑戰，這對於現有的語音技術來說通常是困難的。
以上內容來自 [ Meta Newsroom ] about.fb.com/news/2023/05/ai-massively-multilingual-speech-technology
Comments