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

大規模多語言語音：將語音技術擴展到超過1,100種語言

大規模多語言語音（MMS）項目代表了語音技術的一個重大飛躍，將支持的語言從大約100種擴展到超過1,100種語言。這一倡議旨在使信息能夠被更廣泛的受眾訪問，包括那些依賴語音來獲取信息的人，通過裝備機器以識別和生成多種語言的語音。

主要特點

• 支持1,107種語言的語音轉文字和文字轉語音。
• 提供超過4,000種語言的語言識別。
• 利用自監督學習和新的數據集進行模型訓練。
• 在多語言語音識別方面超越現有模型。

主要用例

• 增強依賴語音訪問信息的個人的可訪問性。
• 通過使語言在技術中可用來保護瀕危語言。
• 在各種應用中實現更具包容性的通信，從消息服務到VR/AR技術。

如何使用

• 在GitHub上訪問模型和代碼以進行研究和開發。
• 利用數據集訓練新的語音識別和合成模型。
• 在應用程序中實施技術以支持多語言語音功能。

用戶體驗

MMS項目在對比基準數據集的評估中展示了有希望的結果，顯示出與現有模型相比在語言覆蓋範圍和性能方面的顯著改進。這些模型被設計為最小化性別偏見和領域特定偏見，確保在不同用戶群體中的公平性能。

潛在限制

• 數據集主要由宗教文本組成，這可能限制模型接觸到的內容多樣性。
• 模型在處理方言和特定口音方面可能仍有局限性。
• 存在誤轉錄的風險，這可能導致冒犯性或不準確的語言輸出。

MMS項目強調了推進語音技術以實現更具包容性和語言多樣化世界的承諾，邀請研究社區為這一持續努力做出貢獻。