对于一些人工智能领域的巨头而言，语言技术的进步似乎是一场军备竞赛的代理。在2023年5月22日，Meta对其竞争对手OpenAI（拥有多语言自动语音识别和转录技术Whisper）发起挑战。
为介绍Meta的“大规模多语音”（MMS）项目，副总裁兼首席人工智能科学家Yann LeCun发推特赞扬该模型的语音转文本和文本转语音能力（1,100种语言），以及语言识别技能（4,000种口头语言）。最后一击：“Whisper一半的词错误率。”
推特上的反应褒贬不一。粉丝们对涵盖的语言数量和开发速度表示敬畏。一则推文写道：“4000种语言，我无语了…”。另一则评论：“哇，太庞大了！这个模型覆盖了以前无法构建强大数据集的方言！但是在某种程度上，通过Meta庞大的对话基础，这变得可能！”第三则推文建议，“说话者分离[diarization]…将使其与Whisper有很大区别，有很多实用应用。”
批评者对Meta与Whisper的比较提出异议。“模型看起来不错，但评估结果糟透了，”自然语言处理研究员Benjamin Marie在推特上表示。“很多词错误率的报告/复制来自先前的工作，无法进行比较。”自称为AI架构师的Daniel Monge指出，LeCun的说法似乎未考虑“更广泛使用的语言，比如英语、西班牙语、葡萄牙语等。”
Monge解释说：“我的意思是…当然它在世界上使用不到0.1%的语言上表现更好，因为最初的目标是解决长尾语言的问题。”
的确，Meta对MMS的宣传强调该系统可以为“1,100多种语言提供语音转文本、文本转语音等服务”，并夸耀支持的语言列表“是先前工作的10倍增长”。
引入MMS的研究论文似乎暗示了Meta扩展到更多语言的语音翻译计划。
“尽管我们构建了支持1,100至4,000种语言的语音系统，但当前全球有超过7,000种语言正在使用，”作者写道。“而且，即使对于高资源语言如英语，训练数据中也往往对许多方言进行了不充分的代表。”
与此同时，Whisper正在迅速投入生产。字幕领导者AI Media通过其云服务提供了Whisper，HappyScribe转向基于Whisper的转录解决方案，并在2023年5月初，整合SaaS Zapier开始提供Whisper连接器。
（机器翻译，轻度译后编辑，仅供参考。）
编辑：刘煜珍
