Meta运用圣经译本与录音改进语音模型，现可支持超过千种语言

Meta大幅推进语音识别技术，发布的单一多语言语音识别模型MMS（Massively Multilingual Speech）模型，能够识别超过4,000种的口说语言，而这个数量是目前已知技术的40倍。MMS也使得文本转语音，以及语音转文本技术，从原本只能用于约100种语言，现在扩展到1,107种。

要训练出能够识别大量语言的模型，Meta第一个遭遇到的困难是收集各种语言的音频资料，目前最大的语音资料集，也只不过涵盖100种语言而已，研究人员想到一个克服难题的方法，是利用圣经等宗教文本，这些文本已经被大量翻译成各种不同的语言，而且圣经翻译本也被广泛地用在文本语言翻译研究上。

这些宗教文本翻译也有公开的录音，因此Meta研究人员利用这些录音，创建出1,100多种语言的新约圣经音频资料集，每种语言平均有32小时的录音资料。除了圣经之外，还有许多基督教宗教读物无标签录音，也能够被拿来训练模型，使Meta得以将可用语言数量扩张至4,000多种。

Meta研究人员提到，经过他们的分析，虽然这些录音资料主要都是男性说话者的声音，但MMS模型处理男性和女性声音的性能表现一致，另外，训练资料内容来自于宗教，不过这并不会使模型产生更多的宗教语言。

语音技术被大量用在虚拟以及增强实境上，目的是让每个用户通过母语，理解网络上其他人的话语，官方也表示，目前地球已知有7,000多种语言，许多语言正不断的消失，更强大的语言技术将有助于保护这些语言。Meta现在开源MMS模型以及程序代码，供研究社群能够以这些基础进行后续研究。