El proyecto MMS de Meta promete revolucionar el reconocimiento y síntesis de voz en más de 1.100 idiomas

El proyecto Massively Multilingual Speech (MMS) liderado por Meta ha logrado avances significativos en el reconocimiento y síntesis de voz, superando el desafío de la falta de datos y recursos para numerosos idiomas. Mediante el uso de técnicas de aprendizaje auto-supervisado y un conjunto de datos diverso de lecturas religiosas, el proyecto ha ampliado la cobertura de idiomas y mejorado el rendimiento de los modelos.

Para abordar la escasez de datos etiquetados, el MMS utilizó traducciones de textos religiosos, como la Biblia, que han sido traducidos a múltiples idiomas. Estas traducciones proporcionaron grabaciones de audio de lecturas de textos religiosos en más de 1.100 idiomas, lo que permitió la creación de un conjunto de datos amplio.

Al combinar estas grabaciones con técnicas de aprendizaje automático, el proyecto redujo la dependencia de datos etiquetados y logró entrenar modelos en aproximadamente 500.000 horas de datos de voz en 1.400 idiomas.

Los modelos resultantes mostraron un rendimiento impresionante, con una tasa de error de palabras significativamente menor en comparación con otros modelos existentes. Además, el proyecto logró desarrollar sistemas de texto a voz para más de 1.100 idiomas, a pesar de tener relativamente pocos hablantes disponibles para muchos de ellos.

Sin embargo, es importante tener en cuenta que los modelos no son perfectos y pueden generar transcripciones o interpretaciones erróneas, lo que podría dar lugar a lenguaje no del todo preciso. El proyecto MMS destaca la importancia de la colaboración de parte de la comunidad para mitigar estos riesgos.

El proyecto MMS ha logrado avances significativos y sus resultados resultan prometedores, aún teniendo en cuenta la necesidad de abordar las posibles imperfecciones y riesgos asociados con estos modelos.