https://ec.ltn.com.tw/article/breakingnews/4310639
Meta發表AI模型 可轉換1100種語言
2023/05/23 15:58
https://img.ltn.com.tw/Upload/business/page/800/2023/05/23/4310639_1.jpg
Meta發表MMS模型，擴展文字轉語音及語音轉文字技術的應用範圍。（業者提供）
〔記者徐子苓／台北報導〕世界上許多語言正面臨消失的危機，Meta今（23日）發表一系
列的AI模型，可轉換超過1100種語言成語音或文字，Meta還透露訓練模型的秘訣是使用《
聖經》資料，未來將開源這項技術的原始碼及模型。
Meta的大規模多語言語音（Massively Multilingual Speech，MMS）模型，擴展文字轉語
音及語音轉文字技術的應用範圍，從最初的100種語言，至今已可轉換超過1100種語言，
還能夠辨識超過4000種口語語言。
Meta表示，這項技術已有許多應用案例，從VR、AR至訊息服務，不僅能夠使用偏好的語言
操作，更可理解每個人的聲音。Meta將開源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，並拉近人們之間的距離。
Meta也解釋如何訓練語言模型，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就是「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，例如《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》有聲讀物資料集，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。
雖然資料集收錄的聲音以男性居多，但Meta發現，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。
Meta表示，將持續擴增大規模多語言語音模型的涵蓋範圍，以支援更多語言的轉換及辨識
，並努力克服現有語音技術難以處理方言的挑戰。