作为元宇宙最坚定的支持者之一，Facebook 在上个月宣布改名 Meta，此后便新动作不断，先是推出了一个触觉手套，试图让人们在 VR 世界中也能体验到触觉变化。
触觉之后，Meta 又盯上了语言，它要让人们在虚拟世界中也可以无障碍沟通，哪怕双方使用的语言不同，你说英语，我说中文都能互相理解。
就这样 XLS-R 来了，它是 Meta 最近发布的一个 AI 语言处理模型，最高能识别 128 种语言，目前已经公布了网页体验版。
▲ XLS-R 网页体验版仅支持语音输入
体验版的功能有一定缺失，仅支持将 22 种语言翻译为 16 种语言，我试了下最常见的英译中，一段 7 秒左右英文语音，XLS-R 还是能相对准确地识别，中文翻译和英文识别都基本正确，两者耗时都在 1.4 秒 左右，并不算短。
▲XLS-R 识别同一段语音的英文和中文翻译结果
对比市面上常见语音翻译应用，这个速度和转译表现其实中规中矩，都对口语清晰度有要求，一旦语速稍微快一些，就比较难理解，转译会出错。
XLS-R 的潜力体现在多语言通用 AI 模型上，据 Meta 该技术基于 wac2vec 2.0 预训练模型，能将语音拆成拆成 25 毫秒的基本单元来分析，利用上下文转换语音内容，提升识别准确度。
之后 Meta 又对 wac2vec 2.0 技术进行了多次调整，尝试处理多种语言，转换准确率提升了不少，经过通过 436000 小时的公开录音训练后，才有如今的 XLS-R。
▲XLS-R 识别单词错误率更低
XLS-R 仅仅用一种语言模型就可以转换 128 种语言，和特殊领域使用特殊模型的常见做法不同，极大地提升了通用性。在官方博客中，Meta 表示它们的目标是用单一模型识别全球 7000 多种语言，从而改进转换算法。
这是一个新的开始，离真正成为 Meta 所设想的虚拟世界基础组成部分还比较难，这不仅仅和技术有关，设备算力也是限制。
作为同在在自然语言识别领域拥有大量技术储备的 Google，其实比 Meta 更早在消费级设备上支持多语种翻译功能，Pixel 6 系列支持 live Translate 功能，可以在聊天软件中进行翻译，无障碍地与外语朋友交流。
只是 live Translate 功能支持的语言并不算多，主要还是英语、德语、日语之间的翻译，哪怕 Pixel 6 所使用的 Tensor 芯片在 AI 性能方面已经是冠绝全球，达到了骁龙 888+ 的三倍。
只有联网 live Translate 功能才能做到支持 48 种语言，而使用云计算技术的 Google 翻译也仅支持 108 种语言，离 7000 种语言很远。
元宇宙离我们仍然有一段距离，不过 XLS-R 等技术作为 Meta 口中虚拟世界的基础建设之一，或许能在其他领域发挥作用，现在它已经发布了 XLS-R 预训练模型的微调教程，让业内人士可以基于它进行微调以便应用到具体的工作当中。
或许不久之后，我们能看到越来越多的应用支持更多语种的语音转译功能。
题图来自：unsplash
加载中,请稍侯......