Meta公布AI語音模型支援4000種語言！ 以《聖經》為範本打造多國語言資料庫

Meta去年曾發表「台翻英」在內的多國AI語音翻譯系統，如今又有新進展！該公司研發完成的MMS大規模多語言語音模型目前已可辨識超過4000種口語表達的語言，且支援語音轉文字的應用範圍已從100種語言增加到1100種，並完成多國語言版《新約聖經》有聲讀物資料庫。Meta表示，此技術還可應用於AR、VR，讓大家在虛擬世界中也能使用自己偏好的語言，而且聽得懂對方在說甚麼。

Meta表示，世界上許多語言正面臨消失的危機，而現有的語言辨識與生成技術上的限制更加快此趨勢；該公司於今（5/23）發表系列大規模多語言語音模型（Massively Multilingual Speech AI;簡稱MMS），希望藉此幫助大家以自己習慣的語言，更輕鬆地獲取資訊及使用電子裝置。新版語音模型已可辨識超過4000種口語表達的語言，辨識量是既有技術的40倍

MMS並支援「文字轉語音」及「語音轉文字」的技術應用，至今已可轉換超過1100種語言，是過去的10倍。Meta並宣布，將開放這項技術的原始碼及模型，讓研究社群能夠以現有的工作成果為基礎繼續開發，一同保存全球的語言，加強人們的溝通，不受距離和語言因素而限制。。

過去最大型的語音資料庫最多僅涵蓋100種語言，因此開發此技術所面臨的第一個挑戰即為「蒐集數千種語言的語音訓練資料」。為了克服這項挑戰，Meta 使用已翻譯成多種語言、譯文已被廣泛閱讀及研究的宗教經典：《聖經》，作為語言的文字訓練資料。

《聖經》譯文有多種語言的公開錄音檔，作為大型多語言語音模型計畫的一部分，Meta創造的資料集，蒐集超過1100種語言的《新約聖經》有聲讀物資料庫，平均為每種語言提供32小時的語音訓練資料，後續又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已涵蓋超過4000種語言。

Meta表示，雖然資料集收錄的聲音以男性居多，但測試成果顯示，不論是男性或女性的聲音，此語音模型皆能同等準確地辨識。此外，上述的語言訓練資料大多為宗教相關的內容，但Meta分析顯示，這並不會使模型傾向於生成出更多的宗教性質的語言。