IT之家 8 月 22 日消息，F(xiàn)acebook 的母公司 Meta Platforms 今日發(fā)布了一種能夠翻譯和轉(zhuǎn)錄數(shù)十種語(yǔ)言的人工智能模型 ——SeamlessM4T，可以讓說(shuō)不同語(yǔ)言的人更有效地進(jìn)行交流，為開發(fā)人類通用語(yǔ)言翻譯器提供了助力。

(相關(guān)資料圖)

Meta 聲稱，SeamlessM4T 將與新的翻譯數(shù)據(jù)集 SeamlessAlign 一同開源，它代表了人工智能驅(qū)動(dòng)的“語(yǔ)音到語(yǔ)音”和“語(yǔ)音到文本”領(lǐng)域的“重大突破”。

Meta 表示，該模型可以在近 100 種語(yǔ)言之間進(jìn)行文本到語(yǔ)音的翻譯，并支持 35 種語(yǔ)言的完全語(yǔ)音到語(yǔ)音翻譯，而此前要想實(shí)現(xiàn)類似的操作只能在單獨(dú)的 AI 模型中分別進(jìn)行翻譯。SeamlessM4T 支持：

1、近 100 種語(yǔ)言的語(yǔ)音識(shí)別。

2、近 100 種輸入和輸出語(yǔ)言的語(yǔ)音到文本翻譯。

3、支持近 100 種輸入語(yǔ)言和 36 種輸出語(yǔ)言的語(yǔ)音到語(yǔ)音翻譯。

4、支持近 100 種語(yǔ)言的文本到文本翻譯。

5、支持近 100 種輸入語(yǔ)言和 35 種輸出語(yǔ)言的文本到語(yǔ)音翻譯。

目前，Meta 將以研究許可證的形式向公眾免費(fèi)提供該模型（僅限非商業(yè)用途），以便研究人員和開發(fā)人員在此基礎(chǔ)上開展工作。

據(jù)介紹，Meta 還將發(fā)布 SeamlessAlign 元數(shù)據(jù)，這是迄今為止最大的開放多模式翻譯數(shù)據(jù)集，挖掘的語(yǔ)音和文本對(duì)齊總計(jì)達(dá) 270000 小時(shí)。

馬克?扎克伯格表示，他堅(jiān)信這些工具將促進(jìn)來(lái)自全球各地的用戶在元宇宙中的互動(dòng)，這也是他對(duì)該公司未來(lái)的賭注所在。

他還表示，開放 AI 生態(tài)系統(tǒng)對(duì) Meta 有利，因?yàn)樵摴就ㄟ^(guò)有效地將創(chuàng)建面向消費(fèi)者的工具的任務(wù)眾包來(lái)獲得更多收益，而不是通過(guò)訪問(wèn)模型來(lái)收費(fèi)。

據(jù)稱，Meta 后續(xù)還將把這些翻譯和轉(zhuǎn)錄方面的 AI 進(jìn)展整合到 Facebook、Instagram、WhatsApp、Messenger 和 Threads 中。

關(guān)于 SeamlessM4T 模型，Meta 研究人員在一份研究論文中表示，他們從“爬取的網(wǎng)頁(yè)數(shù)據(jù)的公開可用存儲(chǔ)庫(kù)中”收集了 400 萬(wàn)小時(shí)的“原始音頻”，但I(xiàn)T之家沒(méi)有找到具體是哪個(gè)存儲(chǔ)庫(kù)的說(shuō)明，官方只提到文本數(shù)據(jù)來(lái)自去年創(chuàng)建的數(shù)據(jù)集，而該數(shù)據(jù)集來(lái)自于維基百科及相關(guān)網(wǎng)站提取的內(nèi)容。

標(biāo)簽：