「SeamlessM4T」と正式に名付けられたこのマルチモーダル技術は、研究者が開発を進め、音声から音声、書き起こし、読み上げ、テキストからテキストの翻訳が可能な普遍的なアプリケーションを導入できるよう一般公開された。SeamlessM4T は、265,000時間に及ぶ音声とテキストのアライメントを収集したマルチモーダル翻訳データセット「 SeamlessAlign」と共に公開された。

音声とテキストにまたがる複数のタスクを1つのシステムでこなすという点で、言語学における AI の応用が大きく発展したことになる。これ以前は、音声対音声翻訳専用のシステムなど、タスクごとに異なるシステムを使用するアプローチが主流だった。

文字や音声による入出力で100言語の翻訳に対応、MetaがAIモデル「SeamlessM4T」を開発

※本記事は、スウィングクルーがピックアップしているマーケティング関連ニュースのクリップです。

スウィングクルーが発表しているニュースではございません。