Google建構YouTube通用語音模型　可辨識100種語言

記者／竹二

Google曾表示，未來將要建構一個能夠支援1,000種語言的機器學習模型，主要用於YouTube，近日釋出了階段性研究成果，通用語音模型USM已經能夠支援100種語言。

相關研究人員表示，傳統的監督式學習方法欠缺可擴展性，想要將語音技術擴展到更多的語言，需要有足夠多的資料訓練高品質模型，過去資料準備的常見方法，要以人工手動標記音訊資料，是非常耗時且昂貴的過程，再加上對於缺乏資源的語言，難以收集足夠的訓練資料，而自我監督式的學習，反而可以利用純音訊資料，因此更能達到擴展至數百種語言的目標。

這款Google的通用語音模型就是使用自我監督式學習，運用大型未標記的多語言資料集預訓練模型編碼器，並使用較小的標記資料集進行微調，讓模型能夠辨識缺乏資源的語言，通用語音模型具有20億參數，使用1,200小時的語音和280億條文句進行訓練。

通用語音模型主要用於YouTube，可對英語和漢語執行自動語音辨識，還能辨識資源缺乏的阿薩姆語、馬達加斯加語和宿霧語等，目前已能夠對100多種語言執行自動語音辨識。

據了解，通用語音模型在其中的73種語言，平均每種語言的訓練資料不到3,000小時，卻已經實現了低於305的單詞錯誤率，這是Google過去從未達到的成果。目前在各種公開的資料集測試，像是CORAAL、SpeechStew和FLEURS，通用語音模型的單詞錯誤率都較低。

瀏覽 515 次