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

大规模多语种语音：将语音技术扩展到超过1,100种语言

大规模多语种语音（MMS）项目代表了语音技术的一个重大飞跃，将支持的语言从大约100种扩展到超过1,100种。这一倡议旨在使信息能够被更广泛的受众访问，包括那些依赖语音获取信息的人，通过装备机器以识别和生成多种语言的语音。

主要特点

• 支持1,107种语言的语音转文本和文本转语音。
• 提供超过4,000种语言的语言识别。
• 利用自监督学习和新的数据集进行模型训练。
• 在多语种语音识别方面优于现有模型。

主要用例

• 增强依赖语音获取信息的个人的可访问性。
• 通过使它们在技术中可用，保护濒危语言。
• 在各种应用中实现更具包容性的通信，从消息服务到VR/AR技术。

如何使用

• 在GitHub上访问模型和代码，用于研究和开发目的。
• 利用数据集训练新的语音识别和合成模型。
• 在应用程序中实施技术以支持多语种语音功能。

用户体验

MMS项目在针对基准数据集的评估中展示了有希望的结果，显示出与现有模型相比在语言覆盖率和性能方面的显著改进。这些模型被设计为最小化性别偏见和领域特定偏见，确保不同用户群体的公平性能。

潜在限制

• 数据集主要由宗教文本组成，这可能限制模型接触到的内容的多样性。
• 模型在处理方言和特定口音方面可能仍有局限性。
• 存在误转录的风险，可能导致冒犯性或不准确的语言输出。

MMS项目强调了推进语音技术以实现更具包容性和语言多样化的世界的承诺，邀请研究社区为这一持续努力做出贡献。