Meta เปิดตัว SeamlessM4T โมเดล AI แบบ multilingual multimodal สำหรับการแปลภาษาทั้งเสียงพูดและข้อความ รองรับเกือบ 100 ภาษา ภายใต้สัญญาอนุญาต CC BY-NC 4.0 สามารถนำไปใช้งานได้สำหรับการวิจัย

ความสามารถของ SeamlessM4T สามารถรับรู้เสียงได้เกือบ 100 ภาษา, แปลภาษาจากเสียงพูดเป็นตัวหนังสือ ได้เกือบ 100 ภาษา, แปลเสียงพูดเป็นเสียงพูด ด้วยอินพุทเกือบ 100 ภาษา และเอาท์พุท 36 ภาษา และแปลจากตัวหนังสือเป็นตัวหนังสือได้เกือบ 100 ภาษา

Meta ประกาศเผยแพร่โมเดลและโค้ด ของโครงการพัฒนาระบบเสียงพูดในภาษาต่าง ๆ ขนาดใหญ่ (Massively Multilingual Speech - MMS) เพื่อให้ผู้ที่ทำงานวิจัยในส่วนนี้สามารถนำไปพัฒนาต่อยอดได้ โดยโครงการนี้พัฒนาเพิ่มจากระบบแปลงเสียงเป็นข้อความ wav2vec และโมเดลแปลภาษา NLLB ที่เคยเผยแพร่ก่อนหน้านี้

โครงการ MMS เป็นการพัฒนาโมเดลเรียนรู้ภาษาต่าง ๆ ด้วย AI โดยสามารถรู้จำเสียงในภาษาต่าง ๆ ได้มากกว่า 4,000 ภาษา และสร้างเสียงจากข้อความ (text-to-speech) ได้มากกว่า 1,100 ภาษา ซึ่งเป็นการพัฒนาที่มากกว่าเครื่องมือระบบรู้จำเสียงภาษาต่าง ๆ ที่มีอยู่ปัจจุบัน ซึ่งรองรับประมาณ 100 ภาษา เพราะยังมีอีกหลายพันภาษาในโลกที่มีฐานข้อมูลเบื้องต้นน้อยมาก และกว่าครึ่งหนึ่งในนั้นกำลังจะหายไปเนื่องจากมีคนใช้งานน้อยลง บางภาษามีคนที่ยังพูดและใช้อยู่ไม่กี่ร้อยคนในโลกเท่านั้น

Meta ประกาศโอเพนซอร์สโมเดล AI ที่สามารถแปลภาษาได้มากกว่า 200 ภาษา โดยโมเดลนี้ชื่อว่า No Language Left Behind ชื่อย่อ NLLB-200 ช่วยในการเข้าถึงข้อมูลในภาษาที่มีคอนเทนต์จำนวนมาก เช่น อังกฤษ จีน สเปน และอาหรับ สำหรับผู้ใช้งานในแอฟริกาและเอเชีย ที่ไม่ได้ใช้ภาษาดังกล่าว ซึ่งมีอยู่หลายร้อยล้านคน

โมเดล NLLB-200 ระบุว่ามีคุณภาพการแปลที่ดีขึ้น 44% โดยเฉลี่ย เมื่อเทียบกับงานวิจัยก่อนหน้านี้ของ Meta และได้ผลลัพธ์ที่ดีขึ้นถึง 70% สำหรับภาษาในพื้นที่แอฟริกาและอินเดีย โดยกระบวนการตรวจสอบคุณภาพการแปลนั้น ใช้ทั้งระบบและคนในการตรวจ