SeamlessM4T

周二，Meta宣布推出SeamlessM4T，一种用于语音和文本翻译的多模态人工智能模型。作为一种能够处理文本和音频的神经网络，它可以执行文本到语音、语音到文本、语音到语音和文本到文本的翻译，支持「最多100种语言」，Meta表示，它的目标是帮助说不同语言的人更有效地交流。图片来自Meta

Meta发布了一种多模态语音翻译模型SeamlessM4T，可以无缝地在语音和文本之间进行翻译和转录。该模型支持近100种语言的自动语音识别、语音到文本翻译、语音到语音翻译、文本到文本翻译以及文本到语音翻译等任务。为了支持这个模型的发展，Meta还发布了SeamlessAlign的元数据，包含了27万小时的语音和文本对齐数据。