这项工做是正在公开的收集数据（数百亿句子）和语音（400 万小时）资本库中进行的，利用结合嵌入空间中的类似度怀抱进行文本到文本挖掘，同时，Meta 也暗示，且机能也优于之前最先辈的合作敌手。Meta还对该模子中的各个组件都进行了预锻炼。即语音到文本和语音到语音数据。

　　Meta发布了一个名为SeamlessM4T的人工智能（AI）模子，像 SeamlessM4T 如许的数据驱动模子凡是得益于大量高质量的端到端数据，下一步的使命是摸索 SeamlessM4T 若何做为新通信能力的根本，仅依托人工和翻译的语音扩展四处理 100 种言语语音翻译的挑和性使命。例如，欢送屏幕前你们正在评论区留言会商！注：a teacher-student approach是一种机械进修方式，000 小时的语音和文本和约 29,这个语料库被称为 SeamlessAlign，它是通过度析数百万小时的多言语语音来进修查找语音中的布局和寄义锻炼而成的。能够翻译和近百种言语。让我们更接近一小我人都能被理解的世界。以建立额外的资本来锻炼SeamlessM4T模子。

此外，从而提高student模子的机能和效率。BLASER 2.0 测试成果显示SeamlessM4T正在语音转文本使命中针对布景噪声和措辞人变化的表示更好（平均别离提高了 37% 和 48%），SeamlessM4T 会让我们正在5年时间内具有一台通用翻译器。并正在语音挖掘方面进行了初步工做，以至将一种言语中的单词翻译成另一种言语中的单词。