AI大型多語言模型MMS可以轉換1,100種語言！

Meta 在本月23日發表了一系列的 AI 大型多語言模型（Massively Multilingual Speech，簡稱 MMS）。這項 AI 模型可以辨識超過 4,000 種口語語言，而文字和語音之間的轉換也支援超過 1,100 種語言。它不僅可以依照使用者的偏好進行語言操作，還可以用於增強實境AR和虛擬實境VR，更好地理解每個人的聲音。

Meta表示，世界上許多語言都有消失的可能性，而目前語音辨識和語音生成技術的局限恐怕加速此一趨勢。因此發表新的AI模型，希望藉此幫助大家以自己習慣的語言，更輕鬆地獲取資訊。而這項AI技術也將會公開分享模型的開放原始碼，讓其他研究人員可以繼續發展相關技術。

本文就帶大家來認識MMS－AI大型多語言模型。

Meta 大型多語言模型（Massively Multilingual Speech，簡稱 MMS）可擴展至文字轉語音和語音轉文字技術的應用範圍，最初支援 100 種語言，現在已能轉換超過 1,100 種語言，超越過去的 10 倍。此外，它還能識別超過 4,000 種口語語言，超過過去的 40 倍，讓不同語言的使用者能順利溝通。

此模型還可應用於擴增實境、虛擬實境等領域，讓所有人能以各自習慣的語言進行溝通。Meta 表示，此技術可保留多數口傳語言，進而保存更多文化資產。

▲Meta 的AI模型MMS技術的應用範圍，至今已可轉換超過1100種語言。／圖 Meta

過去最大型的語音資料庫最多僅涵蓋100種語言，因此開發此技術所面臨的第一個挑戰即為

「蒐集數千種語言的語音訓練資料」

。為了克服這項挑戰，Meta 使用已翻譯成多種語言、譯文已被廣泛閱讀及研究的宗教經典，例如《聖經》，作為AI語言的文字訓練資料。

聖經譯文有多種語言的公開錄音檔，而 Meta 創造的語言資料集，收集超過 1,107 種語言的《新約聖經》有聲讀物資料，平均為每種語言提供 32 小時的語音訓練資料。後續又加入其他未標記的基督教有聲讀物，可用的語言訓練資料涵蓋超過 4,000 種語言。

Meta 表示，之所以選擇宗教文本，包括聖經，是因為它們已被翻譯成多種不同的語言，且其譯文廣泛用於書面語言翻譯研究。這些譯文都有公開的錄音，可供人們使用不同的語言閱讀這些文本。

這種方法吸引了外界的目光，因為乍聽之下，Meta 在培養一個世界觀嚴重傾向基督教的 AI 模型。但是，Meta 表示情況並非如此：「雖然音檔內容是宗教性的，但我們的分析表明，模型不會生成更多的宗教語言」。此外，儘管大多數宗教音檔都為男性的聲音，但AI模型在女性和男性的聲音識別方面表現同樣出色。

▲Meta 的AI模型中，男女聲的聲音辨識表現同樣出色。／圖 Meta

世界上許多語言面臨消失的危險，而現有的語音識別和語音生成技術的局限性只會加速這一趨勢。Meta希望透過AI技術可以鼓勵人們保持他們特有語言（方言）的活力，因為他們可以通過，說著他們自己喜歡的語言來獲得訊息與技術。而MMS正向這個方向邁出了重要一步。

Meta接下來，將持續擴大型多語言模型對應語言，並且支援更多語言之間識別及轉換，藉此克服更多以現有技術難以處理的方言內容。

▲Meta 推出的AI模型MMS 語音文字轉換示範影片。／影 Meta

目前MMS還處於研發的狀態，但Meta已經開源該模型與代碼，讓更多的開發人員參與其中。而隨著更多開發人員的加入，相信我們距離能夠使用不同語言，進行平等交流的那一天，很快就會到來了。

本文介紹了 Meta 公司推出的 AI 大型多語言模型（Massively Multilingual Speech，簡稱 MMS）。MMS 可以識別超過 4,000 種口語語言，而文字和語音之間的轉換也支援超過 1,100 種語言。

此外，MMS 還可應用於擴增實境、虛擬實境等領域，讓使用者能夠使用自己習慣的語言進行溝通。本文還介紹了 MMS 開發過程中所面臨的挑戰以及使用的語言資料集，以及該模型對保護世界語言多樣性的意義。最後，Meta 公司開源了 MMS 的模型與代碼，讓更多的開發人員參與其中，相信未來的世界將更加多元化。