Meta于24日以开源形式公开了“大规模多语言语音识别”(MMS)人工智能(AI)模型。该模型可将语音转为文字或将文字转为语音,支持的语言数量为此前的10倍。作为科技巨头,Meta开放该模型以引领AI生态发展。
Meta说明称,该模型的意义在于可转换语言数量从原有的100多种增至1107种,约增至10倍。此外,可通过语音识别的语言数量增至4000种以上,约增长40倍。目前地球上使用的语言据悉超过7000种,而现有语音识别模型最多仅支持100多种语言。
Meta强调,该模型与现有模型相比性能优越。据Meta分析,当语音转换语言数量从61种增至1107种、约增长18倍时,字符错误率仅上升0.4%。此外,与OpenAI的语音识别模型“Whisper”相比,以MMS数据训练的模型在将单词错误率降低一半的同时,可处理的语言数量多出11倍。
Meta以开源形式公开MMS模型与代码,旨在为保护语言多样性作出贡献,并推动整个AI生态的发展与负责任的开发。该公司还计划持续努力解决现有语音技术难以处理的方言问题。Meta相关人士表示:“先进的语音识别技术可应用于VR/AR技术领域或消息服务,从而引领创新。”






