SeamlessM4T：一個將文字、語音相互翻譯的人工智模型
Meta 最近在 AI 人工智能發展上，急起直追。由於 Meta 採用了 Open Source 及容許修改的方式，令不少公司或者程式設計員都好肯去開發。相信未來，有力挑戰要收費的 OpenAI 及暫時還是收起自家研究的 Google 人工智能模組。Meta 在 23/8 又有新消息，推出了 SeamlessM4T：一個將文字、語音相互翻譯的人工智模型。Meta 聲稱 SeamlessM4T 是「第一個全功能多語言多模式 AI 翻譯和轉錄模型」。SeamlessM4T 可以做到翻譯：
001：語音到文字 (最多可達 100 種語言)
002：語音到語音 (最多可達 35 種語言)
003：文字到語音 (最多可達 35 種語言)
004：文字到文字 (最多可達 100 種語言)。
其中，語音到文字、文字到文字都支援廣東話。比較可惜的是，版主 Keith 最想要的文字轉語音 (Text to Speech) 就未能支援廣東話，令 Microsoft 的 Azure 繼續成為唯一「用得落手」的市場選擇。不過，因為支援廣東話語音到文字，Meta 這個 SeamlessM4T 好大潛力成為未來 Youtube 界廣東話變成中文及多國語言字幕的工具，背後主力的 AI 模組。因為是 Opensource 的關係，相信有不少免費或收費低廉工具推出，亦由於可以文字轉多國語音的能力，將來廣東話內容，都可以透過轉換，成為多國語言版本。
廣告
用在 WhatsApp 及 IG 上？
與 Meta 最近推出的其他 AI 模型（包括 Llama 2 和 AudioCraft）一樣，SeamlessM4T 是開源的。此外，Meta 還發佈了其名為 SeamlessAlign 的訓練數據集，其中包括 270,000 小時的語音和文字較對。與 OpenAI 和 Google 不同，Meta 已經決定將其模型開源並公開提供。Meta 推出開源模型的做法既使開發人員能夠構建和改進產品。Meta 的公告並未詳細說明 SeamlessM4T 的具體計劃，只是暗示它希望「探索這個基礎模型如何實現新的通信功能」。換句話說，我們可能有一天會在 WhatsApp 或 Instagram 上看到針對消費者的 SeamlessM4T 版本。免費試用
由於是開源關係，網上已有工具可以試玩，大家可以進入 Hagging Face 網站試試。由於是試玩，所以暫時只能處理很短的文字及語言相轉換，但大家可以睇睇 Meta 這個模組，在處理語音及文字轉換之間的能力。
▲ 由廣東話文字，轉成英文。今次用了好香港的廣東話來測試。
▲ 由廣東話語音，轉成繁體中文
▲ 由廣東話語音，轉成英文
ePrice.HK 同你齊齊學 AI : 按呢度進入 AI 大時代專頁，每日送上最強 AI 消息及工具測試
輕鬆講科技 Appe Podcast 節目！立即 Follow 我哋 ，有喺網站睇唔到，但聽得到的科技 / AI 消息＋趣聞