脸书今天公布，旗下大规模多语言语音模型，可识别超过4000种口语表达的语言，识别量是既有技术的40倍；文字语音互转技术的应用范围，从100种语言增加至1100种，且可用于AR及VR。
世界上许多语言正面临消失的危机，而现有的语言识别与生成技术上的限制更加快此趋势。Meta今天发布新闻稿指出，Meta发布一系列的，希望帮助用户以自己习惯的语言，更轻松获取资讯及使用电子设备。
Meta表示，公司研发的大规模多语言语音（简称MMS）模型，扩展文字转语音及语音转文字技术的应用范围，从最初的100种语言，至今已可转换超过1100种语言，超越过去的10倍。还能识别超过4000种口语语言，是过去的40倍。
应用案例方面，从VR（虚拟现实）、AR（增强现实技术）至信息服务，不仅能使用偏好语言操作，更可理解每个人的声音。
Meta指出，将开源这项技术的源代码及模型，让研究社群能够以现有的工作成果为基础继续开发，一同保存全球的语言，并拉近人们间的距离。
过去最大型的语音数据库最多仅涵盖100种语言，因此开发此技术所面临的第一个挑战即为“搜集数千种语言的语音训练资料”。为了克服这项挑战，Meta使用已翻译成多种语言、译文已被广泛阅读及研究的宗教经典，例如“圣经”，作为语言的文字训练资料。
Meta表示，圣经译文有多种语言的公开录音档，作为大型多语言语音模型计划的一部分，Meta创造的资料集，搜集超过1100种语言的“新约圣经”有声读物资料集，平均为每种语言提供32小时的语音训练资料，后续又加入其他未标注的基督教有声读物后，可用的语言训练资料已涵盖超过4000种语言。
Meta强调，将持续扩增大规模多语言语音模型的涵盖范围，以支持更多语言的转换及识别，并努力克服现有语音技术难以处理方言的挑战。
