Meta introducerar Speech AI-modeller för att identifiera 4000+ talade språk – TechCult

I ett banbrytande tillkännagivande, Meta, teknikjätten bakom innovativa plattformar och teknologier, avslöjade en serie konstgjorda intelligens (AI) modeller som har potential att revolutionera språktillgänglighet och bevarande. Genom att erkänna det förestående försvinnandet av många språk och begränsningarna hos befintlig taligenkännings- och genereringsteknik, Metas nya Massively Multilingual Speech (MMS) AI-modeller syftar till att överbrygga språkliga barriärer och ge individer möjlighet att få tillgång till information och interagera med enheter på deras föredragna språk.

Identifiera över 4 000 talade språk

Med nuvarande talteknologi som täcker cirka 100 språk, har Metas MMS-modeller utökat detta sortiment till ett häpnadsväckande

1 100 språk– en tiofaldig ökning. Dessutom har dessa avancerade AI-modeller förmåga att identifiera över 4 000 talade språk, en otrolig fyrtiofaldig förbättring. Konsekvenserna för tvärkulturell kommunikation och språklig inkludering är djupgående.

Sömlös interaktion på det önskade språket

Från virtuella och förstärkta verklighetsupplevelser till meddelandetjänster, dessa AI-modeller kan nu förstå och tolka röster på människors föredragna språk, möjliggör sömlös interaktion oavsett språklig mångfald. Visionen är att främja en värld där språket är inte längre en barriär, och där alla kan kommunicera med teknik på ett språk som känns mest bekvämt för dem.

Innovativ användning av religiösa texter

En av de främsta utmaningarna som Meta stod inför när de utvecklade dessa modeller var bristen på ljuddata för tusentals språk. Traditionella taldatauppsättningar täckte maximalt 100 språk. I ett slag av uppfinningsrikedom, Meta vände sig till religiösa texter, som Bibeln, som har blivit omfattande översatta och studerade.

Uppläsningar av Nya testamentet på 1 100 språk

Med hjälp av de allmänt tillgängliga ljudinspelningarna av dessa översättningar sammanställde Meta en datauppsättning med läsningar av Nya testamentet på över 1 100 språk, ger i genomsnitt 32 timmar data per språk.

Språktäckningen sträcker sig till 4 000 språk

För att utöka språktäckningen ytterligare, införlivade Meta omärkta inspelningar av olika kristna religiösa läsningar, vilket ökade antalet tillgängliga språk till över 4 000. Även om data består främst av manliga talare och religiöst innehåll, Metas analys försäkrar att deras modeller presterar lika bra för både manliga och kvinnliga röster. Dessutom har modellerna inte visat någon partiskhet mot att producera ett mer religiöst språk, vilket minskar oro för eventuella snedvridningar i produktionen.

Meta Open-Source-modeller och kod för språkbevarande

Avgörande är att Meta har valt att öppen källkod både deras modeller och kod, vilket gör det möjligt för andra forskare att bygga vidare på deras arbete och bidra till bevarandet och tillgängligheten av språk över hela världen. Denna samarbetsstrategi betonar Metas engagemang för att förena ansträngningar för att bevara språk och föra världen närmare varandra.

Dessutom överensstämmer Metas introduktion av AI-modellen Massively Multilingual Speech sömlöst med deras senaste avtäckning av ett projekt – utveckling av deras första anpassade kiselchip exklusivt tillverkat för AI-modeller. Detta betydelsefulla framsteg är en integrerad del av Metas övergripande strategi för att revolutionera dess AI-infrastruktur, påskynda AI-forskning och forma den framväxande metaversen.

Genom att förfina och utöka kapaciteten hos sina AI-modeller strävar Meta efter att bryta ned språkbarriärer och främja en global gemenskap som frodas på språklig mångfald.

Källa: Meta Newsroom