作為元宇宙最堅定的支援者之一，Facebook在上個月宣布改名Meta，此後便新動作不斷，先是推出了一個觸覺手套，試圖讓人們在VR世界中也能體驗到觸覺變化。
觸覺之後，Meta又盯上了語言，它要讓人們在虛擬世界中也可以無障礙溝通，哪怕雙方使用的語言不同，你說英語，我說中文都能互相理解。
就這樣XLS-R來了，它是Meta最近發布的一個AI語言處理模型，最高能識別128種語言，目前已經公佈了網頁體驗版。
體驗版的功能有一定缺失，僅支援將22種語言翻譯為16種語言，我試了下最常見的英譯中，一段7秒左右英文語音，XLS-R還是能相對準確地識別，中文翻譯和英文識別都基本正確，兩者耗時都在1.4秒左右，並不算短。
對比市面上常見語音翻譯應用，這個速度和轉譯表現其實中規中矩，都對口語清晰度有要求，一旦語速稍微快一些，就比較難理解，轉譯會出錯。
XLS-R的潛力體現在多語言通用AI模型上，據Meta該技術基於wac2vec2.0預訓練模型，能將語音拆成25毫秒的基本單元來分析，利用上下文轉換語音內容，提升識別準確度。
之後Meta又對wac2vec2.0技術進行了多次調整，嘗試處理多種語言，轉換準確率提升了不少，經過通過436000小時的公開錄音訓練後，才有如今的XLS-R。
XLS-R僅僅用一種語言模型就可以轉換128種語言，和特殊領域使用特殊模型的常見做法不同，極大地提升了通用性。在官方部落格中，Meta表示它們的目標是用單一模型識別全球7000多種語言，從而改進轉換算法。
這是一個新的開始，離真正成為Meta所設想的虛擬世界基礎組成部分還比較難，這不僅僅和技術有關，裝置演算力也是限制。
作為同在在自然語言識別領域擁有大量技術儲備的Google，其實比Meta更早在消費級裝置上支援多語種翻譯功能，Pixel6系列支援live Translate功能，可以在聊天軟體中進行翻譯，無障礙地與外語朋友交流。
只是live Translate功能支援的語言並不算多，主要還是英語、德語、日語之間的翻譯，哪怕Pixel6所使用的Tensor晶片在AI性能方面已經是冠絕全球，達到了驍龍888+的三倍。
只有聯網live Translate功能才能做到支援48種語言，而使用雲端計算技術的Google翻譯也僅支援108種語言，離7000種語言很遠。
元宇宙離我們仍然有一段距離，不過XLS-R等技術作為Meta口中虛擬世界的基礎建設之一，或許能在其他領域發揮作用，現在它已經發布了XLS-R預訓練模型的微調教程，讓業內人士可以基於它進行微調以便應用到具體的工作當中。
或許不久之後，我們能看到越來越多的應用支援更多語種的語音轉譯功能。
本文授權轉載自：愛范兒 ifanr
責任編輯：傅珮晴、錢玉紘
