Meta新AI模型語音文字互轉範圍　涵蓋千種以上語言

記者／陳士勳

為了防止不少語言因語音辨識和語音生成技術局限而失傳的風險，Meta已宣稱開發出能擴展文字轉語音、語音轉文字等技術應用範圍的大規模多語言語音模型（MSS），對比最初的100種語言，如今可轉換1100種以上語言，超越過往的10倍，同時還能辨識超過4000種口語語言，為過去40倍，成長幅度相當驚人。

Meta宣布推出能互轉千種以上語言的AI模型。示意圖：123RF

Meta表示，大型語音資料庫以往最多僅涵蓋100種語言，若想有所突破，得先蒐集數千種語言的語音訓練資料，並借助已翻譯成多種語言、譯文，且擁有多種語言公開錄音檔的「聖經」，為語言文字訓練資料。

Meta指出，藉由上述方法創造出累積超過1100種語言「新約聖經」的有聲讀物資料集，平均可為每種語言提供32小時的語音訓練資料，後續加入其他未標註的基督教有聲讀物後，可用的語言訓練資料，甚至涵蓋超過4000種語言，雖然資料集收錄聲音以男性居多，但測試成果顯示，無論男性或女性的聲音，該語音模型皆能準確地辨識。

Meta強調，所採用語言訓練資料大多雖為宗教相關內容，但分析結果評估模型不會傾向生成更多的宗教性質語言，何況現階段如VR（虛擬實境）、AR（擴增實境），或訊息服務，都能看見該技術的應用實例，因此，未來將持續擴大語音模型涵蓋語言範圍，藉此支援更多語言的轉換及辨識。

瀏覽 443 次