Meta 推出 Seamless Communication AI 翻译套件：支持近百种语言输入、同声延迟仅 2 秒

CTOnews.com 12 月 4 日消息，Meta 日前公布了 AI 翻译套件 Seamless Communication，该套件由 4 款 AI 模型组成，Meta 声称，该 AI 套件能够"精准再现说话者情绪"，可实现延迟仅 2 秒的同声传译能力、并支持近百种语言输入。

据悉，Seamless Communication 是 Meta 庆祝自家 AI 研究机构"Fundamental AI Research"成立 10 周年所发表的研究成果。

Meta 介绍称，该套件包含用于加速翻译的"第二代 SeamlessM4T 模型"、口译模型"Seamless Expressive"、 同声翻译模型"Seamless Streaming"，与综合模型"Seamless"，CTOnews.com整理相关信息如下：

SeamlessM4T 模型号称能在翻译时基于用户说话内容，自动联想可能的后文，以加速翻译。

Seamless Expressive 是一种口译模型，号称可以解决"传统 AI 翻译无法抓住用户语调、停顿、读词重轻度的问题"，能够在维持翻译品质的基础上，保存用户情绪、风格、说话速度、停顿和节奏，从而为翻译内容带来更多"情感信息"。

Seamless Streaming 是同声翻译模型，主打 2 秒延迟的语音和文字翻译，支持口译（speech-to-speech translation）、听写翻译（speech-to-text translation，S2TT）及自动语音识别功能（Automatic speech recognition ，ASR）。

而综合模型 Seamless，则是整合了上述三种语言模型，便于通用场景。

目前 Meta 已经将示例视频发布在 GitHub 以及 HuggingFace 网站上，感兴趣的小伙伴们可以点此进行查看。