“Meta推出‘SeamlessM4T’ AI模型，能够实时翻译多达100种语言”
Meta发布的‘SeamlessM4T’ AI模型可实时翻译100种语言
在通往全球交流的革命性举措中，科技巨头Meta推出了最新的AI模型，命名为SeamlessM4T。这款全能多语言多模式的翻译和转录模型将重新定义语言障碍，使跨语言对话成为无缝的现实。凭借实时翻译和转录多达100种语言的能力，对全球通信的影响真正深远。
还阅读：Meta发布AudioCraft：将文本转化为音频和音乐的AI工具
Meta的多功能翻译奇迹
Meta的SeamlessM4T通过提供广泛的翻译和转录功能引入了一个新的通信时代。这个独特的模型可以处理语音到文本、语音到语音、文本到语音和文本到文本的翻译，弥合了不同形式的交流中的语言障碍。
还阅读：改进多语言翻译模型的性能
多样化的能力
SeamlessM4T的能力非常出色，它支持近100种语言的各种翻译任务。这些功能包括：
- 语音识别：无缝识别近100种语言的语音。
- 语音到文本翻译：将口语转化为文本，涵盖近100种输入和输出语言。
- 语音到语音翻译：支持近100种输入语言和36种输出语言（包括英语）的语音翻译。
- 文本到文本翻译：为近100种语言提供文本翻译。
- 文本到语音翻译：将文本转化为语音，适用于约100种输入语言和35种输出语言。
效率重新定义：一个独特的解决方案
与传统方法需要为不同任务使用单独的模型不同，SeamlessM4T采用了统一的系统。这种创新的方法显著减少了错误和延迟，提高了翻译的整体效率和质量。因此，说不同语言的人现在可以在没有语言障碍的情况下有效地交流。
Meta对开源和合作的看法
Meta一直支持模型的开源，SeamlessM4T也不例外。该公司以研究许可证的形式发布了SeamlessM4T AI模型，鼓励研究人员和开发人员基于这一创新进行构建。此外，Meta还慷慨地分享了SeamlessAlign的元数据，这是一个包含令人惊叹的270,000小时语音和文本对齐的重大多模式翻译数据集。
还阅读：Meta开源其所有有前景的项目 | 找出原因
创作的幕后
为了将SeamlessM4T变为现实，Meta利用抓取的文本和语音数据开发了名为SeamlessAlign的训练数据集。研究人员精心对齐了443,000小时的语音和相应的文本，生成了29,000小时的“语音到语音”对齐。这个过程赋予了SeamlessM4T将语音转录为文本、翻译文本、从文本生成语音，甚至在不同语言之间翻译口语的能力。
还阅读：Meta开源同时训练文本、图像和音频的AI模型
在创新的基础上构建
SeamlessM4T标志着Meta不懈追求创建通用翻译器的成果。该公司最近发布了No Language Left Behind（NLLB）模型，这是一个支持惊人的200种语言的文本到文本翻译模型。该模型已无缝集成到维基百科中，成为其可信赖的翻译提供商之一。此外，Meta推出了Universal Speech Translator，该技术实现了对福建话这种没有广泛采用的书写系统的直接语音到语音翻译的非凡成就。除此之外，Meta还引入了Massively Multilingual Speech，这是一项技术，涵盖超过1,100种语言的语音识别、语言识别和语音合成。
创新通信技术的景观
Meta在推进语言翻译和通信技术方面并不孤单。亚马逊、微软、OpenAI以及各种初创公司已经推出了一系列商业服务和开源模型。例如，谷歌正在开发Universal Speech Model，这是其更广泛的项目的重要组成部分，旨在理解世界上使用最多的1,000种语言。Mozilla在这个领域也取得了一定进展，引领了Common Voice，这是一个包含多种语言的庞大语音集合，用于训练自动语音识别算法。
还阅读：介绍AudioPaLM：Google在语言模型上的突破
Meta AI的未来一瞥
首席执行官马克·扎克伯格公布了雄心勃勃的计划，将这些AI模型无缝集成到包括Facebook、Instagram、WhatsApp、Messenger和Threads在内的各种Meta平台上。通过这些创新，Meta设想了一个未来，语言障碍将不再存在，促进真正的全球联系和理解。
我们的观点
Meta的“SeamlessM4T” AI模型将重塑沟通场景，打破语言障碍，促进全球联系。随着技术的不断发展，有意义的交流潜力超越了语言的界限，标志着人类交流历史的新篇章。
