在 Nvidia 今天的語音人工智能峰會上，該公司宣布了其新的語音人工智能(AI) 生態(tài)系統(tǒng)，該生態(tài)系統(tǒng)是通過與Mozilla Common Voice合作開發(fā)的。該生態(tài)系統(tǒng)專注于開發(fā)眾包多語言語音語料庫和開源預訓練模型。Nvidia 和 Mozilla Common Voice 旨在加速自動語音識別模型的發(fā)展，該模型普遍適用于全球每種語言的使用者。

Nvidia 發(fā)現(xiàn)標準語音助手，如 Amazon Alexa 和 Google Home，支持不到 1% 的世界口語。為了解決這個問題，該公司旨在提高語音 AI中的語言包容性，并擴大全球和資源匱乏語言的語音數(shù)據(jù)的可用性。

英偉達正在加入 Meta 和谷歌已經(jīng)在進行的一場競賽：最近，兩家公司都發(fā)布了語音 AI 模型，以幫助說不同語言的人之間進行交流。Google 的語音到語音 AI 翻譯模型 Translation Hub 可以將大量文檔翻譯成多種不同的語言。谷歌還剛剛宣布，它正在構建一個通用語音翻譯器，經(jīng)過 400 多種語言的培訓，并聲稱它是“當今語音模型中最大的語言模型覆蓋率”。?

同時，Meta AI 的通用語音翻譯器(UST) 項目有助于創(chuàng)建 AI 系統(tǒng)，實現(xiàn)跨所有語言的實時語音到語音翻譯，即使是那些口語但不常用的語言。?

面向全球語言用戶的生態(tài)系統(tǒng)?

根據(jù) Nvidia 的說法，語音 AI 的語言包容性具有全面的數(shù)據(jù)健康益處，例如幫助 AI 模型了解說話者的多樣性和噪聲譜。新的語音 AI 生態(tài)系統(tǒng)可幫助開發(fā)人員構建、維護和改進語音 AI 模型和數(shù)據(jù)集，以實現(xiàn)語言包容性、可用性和體驗。用戶可以在 Mozilla Common Voice 數(shù)據(jù)集上訓練他們的模型，然后將這些預訓練模型作為高質量的自動語音識別架構提供。然后，全球其他組織和個人可以調整和使用這些架構來構建他們的語音 AI 應用程序。?

“人口多樣性是捕捉語言多樣性的關鍵，”Nvidia 產(chǎn)品經(jīng)理 Caroline de Brito Gottlieb 說?！坝袔讉€重要因素會影響語音變化，例如服務不足的方言、社會方言、口音。通過這種合作伙伴關系，我們的目標是創(chuàng)建一個數(shù)據(jù)集生態(tài)系統(tǒng)，幫助社區(qū)為任何語言或上下文構建語音數(shù)據(jù)集和模型?！?

Mozilla Common Voice 平臺目前支持 100 種語言，擁有來自全球 500,000 名貢獻者的 24,000 小時語音數(shù)據(jù)。最新版本的Common Voice 數(shù)據(jù)集還包含六種新語言——Tigre、Meadow Mari、Bengali、Toki Pona 和 Cantonese，以及來自女性演講者的更多語音數(shù)據(jù)。?

通過 Mozilla Common Voice 平臺，用戶可以通過將句子錄制為短語音片段來捐贈他們的音頻數(shù)據(jù)集，Mozilla 會在提交時對其進行驗證以確保數(shù)據(jù)集質量。