Meta發布AI翻譯技術SeamlessM4T，支援近百種語言！臉書、IG都能用|數位時代 BusinessNext

Meta發布AI翻譯技術SeamlessM4T，支援近百種語言！臉書、IG都能用，5大亮點一次看

Meta推出全新翻譯AI技術SeamlessM4T，支援近百種語言，並且文字翻譯、語音轉文字都難不倒，預計未來將加入旗下各大社群平台供用戶使用。

Meta端出全新AI模型SeamlessAlign，能辨識近100種語言！

Meta在聲明中表示，SeamlessM4T的誕生代表著基於AI的語音翻譯、語音轉文字領域的重大突破。按照Meta的說法，SeamlessM4T可以提供：

1.辨識近100種語言的語音
2.支援近100種語言的語音轉文字
3.語音翻譯技術，可支援近100種輸入語言及36種輸出語言
4.近100種語言的文字轉文字技術
5.文字轉語音技術，可支援近100種輸入語言及35種輸出語言

雖然像哆啦A夢裡翻譯蒟蒻般便利的道具還未出現，不過Meta聲稱SeamlessM4T會是人們能夠更便利溝通的重要一步，這個模型無須其他模型協助，即可辨識各個不同語言，透過單一系統的方法減少了翻譯錯誤及延遲，並提升了效率及品質，讓不同語言的人能夠更有效率地溝通。

Meta執行長馬克．祖克柏（Mark Zuckerberg）表示，「隨著時間，我們會將這些AI翻譯與轉換技術成果整合到Facebook、Instagram、WhatsApp、Messenger及Threads。」

身為一間社群媒體公司，Meta已經投入翻譯技術多年，外媒《TechCrunch》就形容SeamlessM4T是傳承自Meta過去所研發的翻譯模型No Language Left Behind，以及通用語音翻譯工具（Universal Speech Translator）──一個少數支援台語的語音翻譯系統。

而SeamlessM4T也是建立在今年5月發表的大規模多語言語音（Massively Multilingual Speech，簡稱MMS）大型語言模型上，該模型可轉換超過1,100種語言，並可辨識4,000種口語語言。

Meta用大量公開資料練成，比當前模型更能應付不完美的狀況

且如同前幾次公布AI領域進展的作法，Meta宣布開放研究人員及開發人員基於SeamlessM4T進行開發與研究，同時將公開訓練時所用數據集SeamlessAlign。Meta聲稱這是目前最大的公開多模式翻譯數據集，將語音與文字校準過的資料高達44.3萬個小時，並且還有2.9萬小時的語音對語音校準資料。

Meta指出，他們從網路上抓取了數百億個句子，以及約400萬小時的語音資料作為最初的材料。雖然AI訓練資料近幾個月引發大量爭議，許多創作者反彈科技公司逕自使用他們的心血，並要求為此付費，Meta強調他們所有資料都沒有版權問題，主要來自開源或者授權的資料來源。

也因為如此龐大的資料，Meta聲稱SeamlessM4T在測試艱難條件的表現時結果更佳，與目前最好的模型相比，SeamlessM4T在有背景噪音、說話者換人的情況下準確度要分別高出37%及48%。

不過SeamlessM4T仍有些小問題存在，例如在看不出性別訊息時有10%的情況更喜歡翻譯成男性，Meta認為這可能是因為訓練資料中男性出現得較多。同時在個別語言中，有時SeamlessM4T翻譯時會較容易出現有害言論，涉及性取向及宗教時偶爾也會出現問題。

Meta聲稱，SeamlessM4T的公開測試版本將會有針對輸入及輸出語音的篩選機制，會過濾掉不適宜或有害的內容，只不過Meta開源提供研究人員及開發者的版本中，並沒有包含這項防護措施。

Meta指出，他們希望透過這項技術幫助不同語言的人們聯繫彼此，並且將以此為基礎探索這個基礎模型如何創造新的通訊能力，「最終讓我們更接近一個所有人都能被理解的世界。」

責任編輯：林美欣

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。