Meta突破：支持1100+语言的语音技术_massively multilingual speech-优快云博客

本文链接：https://blog.youkuaiyun.com/nulifancuoAI/article/details/134459132

引言

Meta推出了一项名为“Massively Multilingual Speech”（MMS）的项目，旨在解决语音识别和生成技术中的多语言挑战。这个项目结合了wav2vec 2.0的自监督学习方法和一个新的数据集，提供了超过1,100种语言的标记数据和近4,000种语言的非标记数据。这些语言中的一些，如Tatuyo语，仅有几百名讲者，而且大多数这些语言之前没有任何语音技术。

MMS项目的模型在现有模型上取得了显著的性能提升，并覆盖了比现有模型多10倍的语言。Meta公开分享了这些模型和代码，以便研究社区能够在此基础上进一步构建。MMS支持1,107种语言的语音识别和文本转语音，以及超过4,000种语言的语言识别。

在数据收集方面，Meta利用了诸如圣经之类的文本，这些文本已被翻译成多种语言，并且有公开可用的不同语言的音频录音。通过这些数据，Meta创建了一个包含1,100多种语言的新约阅读数据集，平均每种语言提供了32小时的数据。此外，通过考虑其他宗教读物的未标记录音，Meta将可用语言的数量增加到了4,000多种。