Különleges, multimodális mesterségesintelligencia-modellről, a SeamlessM4T-ről rántotta le a leplet a Meta, az eszköz „akár 100 nyelven” lehet képes megkönnyíteni a kommunikációt a különböző nyelvű emberek között. A kutatási licenc, avagy CC BY-NC 4.0 alatt hozzáférhető újdonság fejlesztői szerint nagy lökést adhat a jövőbeni, fordításra képzett mesterségesintelligencia-modellek fejlesztésének.

A Meta eszköze képes beszédfelismerésre (adott beszédhangot szöveggé alakít), beszéd lefordítására más nyelvű szövegre (mondjuk egy angol beszédet már eleve németül ír le szövegesen) és beszéd beszéddé alakítására, de más nyelven. Természetesen nem marad ki a szöveg-szöveg fordítás sem, mely már létezik a Google Translate formájában – végezetül pedig, szöveget is tud úgy fordítani, hogy annak a végeredménye beszéd lesz más egy más nyelven.

Összefogott a Microsoft és a Meta, naná, hogy a mesterséges intelligencia miatt

Nyílt forráskódú nyelvi modellt ad ki a Meta, a folyamatban pedig egy másik technológiai óriásvállalat, a Microsoft is a Facebook tulajdonosának a segítségére lesz.

Mint az Ars Technica írja, a fordítás csaknem 100 nyelven mehet végbe, míg a beszédalapú kimenet 36 nyelven lehetséges.

A több forrásból képzett modell nem az első hasonló megközelítés, a Google Translate például már 2006 óta alkalmaz gépi tanulást, és az OpenAI modellje, a GPT-4 is képes hasonló fordítási műveletekre – utóbbi cégnek saját beszéd-szöveg fordító modellje is van Whisper néven, mely szintén nyílt forráskódú.

A SeamlessM4T-ről még több megtudható a Meta oldalán, a kód és a kapcsolódó dolgok pedig a Hugging Face portálon találhatók.

Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.