META’s new text-to-speech for 1,100+ languages

Massively Multilingue Speech : Élargir la technologie vocale à plus de 1 100 langues

Le projet Massively Multilingual Speech (MMS) représente un bond significatif en avant dans la technologie vocale, élargissant le support d'environ 100 langues à plus de 1 100 langues. Cette initiative vise à rendre l'information accessible à un public plus large, y compris à ceux qui s'appuient sur la voix pour accéder à l'information, en équipant les machines avec la capacité de reconnaître et de produire la parole dans plusieurs langues.

Caractéristiques clés

• Prend en charge la reconnaissance vocale et la synthèse vocale pour 1 107 langues.
• Offre l'identification de la langue pour plus de 4 000 langues.
• Utilise l'apprentissage auto-supervisé et un nouveau jeu de données pour la formation des modèles.
• Surpasse les modèles existants en reconnaissance vocale multilingue.

Principaux cas d'utilisation

• Améliorer l'accessibilité pour les individus qui s'appuient sur la voix pour accéder à l'information.
• Préserver les langues en voie de disparition en les rendant utilisables dans la technologie.
• Permettre une communication plus inclusive dans diverses applications, des services de messagerie aux technologies VR/AR.

Comment utiliser

• Accéder aux modèles et au code sur GitHub à des fins de recherche et de développement.
• Utiliser le jeu de données pour former de nouveaux modèles de reconnaissance et de synthèse vocale.
• Implémenter la technologie dans les applications pour prendre en charge les fonctionnalités multilingues de la parole.

Expérience utilisateur

Le projet MMS a démontré des résultats prometteurs lors d'évaluations contre des jeux de données de référence, montrant une amélioration significative de la couverture linguistique et des performances par rapport aux modèles existants. Les modèles ont été conçus pour minimiser les biais de genre et les biais spécifiques au domaine, garantissant des performances équitables entre différents groupes d'utilisateurs.

Limites potentielles

• Le jeu de données consiste principalement en textes religieux, ce qui peut limiter la diversité du contenu auquel les modèles sont exposés.
• Les modèles peuvent encore avoir des limitations dans la gestion des dialectes et des accents spécifiques.
• Il y a un risque de mauvaise transcription, ce qui pourrait conduire à une sortie de langage offensante ou inexacte.

Le projet MMS souligne l'engagement à faire progresser la technologie vocale pour un monde plus inclusif et linguistiquement divers, invitant la communauté de recherche à contribuer à cet effort en cours.