Massively Multilingual Speech
Massively Multilingual Speech 是由 Facebook AI研究实验室 发布的 AI 模型，发布时间为 2023-05-23，定位为 基础大模型，参数规模约为 10.0B，上下文长度为 2K，模型文件大小约 10.8GB。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
Massively Multilingual Speech简称MMS，是MetaAI发布的最新的语音模型，它可以完成自动语音识别（Auto Speech Recognition，ASR），也可以做语音合成（Text-to-Speech，TTS）。
现有的最大语音数据集最多覆盖100种语言。为了克服这一挑战，MetaAI转向了被翻译成许多不同语言的宗教文本，如圣经，这些翻译已经被广泛用于基于文本的语言翻译研究。通过这个项目，MetaAI创建了一个数据集，包含了在1100多种语言下的朗读《新约》的语音数据集，平均每种语言提供了32小时的数据。
MMS模型的一个显著特点是其覆盖的语言数量。通过使用wav2vec 2.0自我监督学习模型，MMS模型可以支持超过1100种语言的语音到文本和文本到语音转换，以及超过4000种语言的语言识别。这一点对于许多只有几百名使用者的语言来说，是非常重要的，因为对于这些语言，之前并没有语音技术的存在。
MMS比OpenAI的Whisper模型效果更好：
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
