我们都知道 ， Facebook全身心all in 元宇宙 ， 连“Face”都不要了 ， 自家名字都改成了Meta 。 可能也正是为了自己的元宇宙愿景 ， Meta发布了自监督语音处理模型XLS-R ， 不要小看这个人工智能模型 ， 它可是支持高达128种语言 。
这个新的语音模型 ， 简直可以说跨越全球人的不同语言障碍了 ， 可以让大家各说各的 ， 还能互相理解 ， 彼此交流起来如同以同一种语言来沟通一样 。 可能说起来 ， 类似于一个直译 ， 把我说的语音以你的母语的方式转化出来 。 机智客这里表达的意思是 ， XLS-R要实现的场景是 ， 我说我的汉语 ， 你说你的英语 ， 可是我们彼此之间都能丝滑秒懂 ， 如同我们都在说汉语或者英语 。 这个语音模型 ， 神奇吧 。

虽然 ， 多语言模型并不罕见 ， 彼此翻译也实不鲜见 。 不过 ， 据了解 ， XLS-R则是基于以前自己也就是以前的Facebook发布的wav2vec 2.0技术 ， 通过自监督技术对10倍的语音数据进行训练 ， 而大大改善了以前的多语言模型 ， 尤其是针对小语种的处理 。
【创投圈|跨所有语言？Meta发布新语音模型，简直能让全球人无障碍交流】可能有朋友知道谷歌发布的BERT模型 ， 而wav2vec2.0则和BERT类似 ， 不过它们的区别是 ， 语音音频是一种连续的信号 ， 不能轻易清晰地分割成单词或其他单位 。 机智客看资料显示 ， wav2vec 2.0通过学习25毫秒长的基本单元来解决这个问题 ， 以便能够学习高级上下文表示 。 通过少量有标记训练数据的情况下 ， Meta的技术通过后续无监督的训练数据 ， 在LibreSpeech测试基准的100小时子集上达到SOTA水平 。 之后 ， 又通过高性能语音识别模型wav2vec-U来从录制的语音音频和未配对的文本中学习 。 其中还用到了GAN技术来学习识别音频录音中的单词 。
也就是有了这一系列的技术实现基础 ， Meta这才推出了包含53种语言的XLSR 。 而最新的发布的XLS-R则远超XLSR ， 包含高达128种语言 。 它 ， 包含20亿参数 。 其表现优于先前的工作 ， 哪怕是小语种识别上 。
遥想到 ， 上帝为了阻止人类造通天塔而变乱人类的语言 ， 使之各不相同 ， 无法彼此直接沟通 。 现在Meta要“冒天上之大不韪”——把上帝扰乱的东西再捋顺统一过来 ， 公然“逆天而行” ， 其心壮哉——厉害了我滴哥 。 算了不皮了 ， 其实吧 ， 当机智客试玩了那个在线Demo ， 随便录了一句汉语语音 ， Submit后看到Output的结果 ， 差点笑出声来 。

稿源：(未知)

【傻大方】网址：/c/1124a3cH021.html

标题：创投圈|跨所有语言？Meta发布新语音模型，简直能让全球人无障碍交流