Meta發(fā)布4合一Seamless Communication翻譯AI模型組件，支持近百種語言輸入

Meta上周（11/30）公布翻譯AI模型組件Seamless Communication，包含提供更精準再現(xiàn)說話者情緒、及延遲僅2秒的幾近同步翻譯能力的新模型，支持近百種語言輸入。

Seamless Communication為Meta為慶祝其AI研究機構(gòu)基礎AI研究（Fundamental AI Research，F(xiàn)AIR）成立10周年而發(fā)布的研究成果之一。Seamless Communication是以8月公布的多語雙模（文本、語音）翻譯模型SeamlessM4T第2版為基礎而發(fā)展出的組件，號稱能在翻譯時保存不同語言的說話表情，以及說話者講話同時加速翻譯。

這個組件其實由4個模型組成，其中之一是SeamlessM4T第2代，以及SeamlessExpressive、SeamlessStreaming與Seamless。SeamlessExpressive是一種口譯模型，解決傳統(tǒng)AI翻譯時無法抓住聲音語調(diào)、停頓和重點，而失去情感和意圖的重要信號的問題。SeamlessExpressive是第一個掌握跨語言表情的公開系統(tǒng)。它使用的模型能保存說話者情緒、風格、說話速度、停頓和節(jié)奏，又能維持翻譯品質(zhì)。目前SeamlessExpressive支持英、中、西、法、德、義語。

SeamlessStreaming是同步翻譯模型，主打2秒延遲的語音和文本翻譯，可支持口譯（speech-to-speech translation，S2ST）、聽寫翻譯（speech-to-text translation，S2TT）及自動語音識別（Automatic speech recognition，ASR）。在后二種任務上，SeamlessStreaming支持將近100種語言輸入及輸出，而在口譯同步翻譯則支持100種語言輸入、36種語言輸出。最后一種模型Seamless則是融合這三種語言模型于一。

Meta也將示范視頻公布在GitHub以及HuggingFace網(wǎng)站上。