正文轉自【cnBeta.COM】；

據外媒通訊，語音辨別是高科技權威的人為智能“呆板中的一個要害牙輪”。這項本領為咱們大哥大上的數字語音輔助、公共汽車上的數字輔助和家里的智能音箱供給能源。然而，縱然它無處不在，語音辨別仍舊是一項發達中的處事。Facebook在演練那些體例進修新談話的辦法上預見著一項宏大沖破。該公司周五表白，它仍舊開拓出一種創造不須要轉錄數據的語音辨別東西的本領。

據Facebook稱，其嶄新的體例不妨使本領解脫對文本到語音輸出的依附。這項耗費時間的工作波及生人傾聽和轉錄數鐘點的音頻，這是一個缺乏的進程，必需對每種談話舉行反復。而Facebook的 "無監視 "體例則簡單從語音音頻和未配對的文本中進修，使其更好地領會生人交談的聲響。

Facebook的模子基礎上依附于由 "天生器 "和 "辯別器 "構成的天生對立搜集（GAN）之間的反應回路。前者“吐出”上傳的語音形式的代辦，看上去實足是胡說八道，直到它們被放到相映的辯別器搜集中，后者充任了那種翻譯。同聲，Facebook還輸出由生人編寫的特殊文本，以扶助天生器搜集計劃機化和如實寰球截止之間的分別。這個進程連接反復，直到天生器的輸入與如實文究竟配合。

Facebook表白，它的本領使它不妨在沒有任何解釋數據集的情景下創造語音辨別體例。該公司仍舊在斯瓦希里語、吉爾吉斯語和克里米亞韃靼語上嘗試了這個模子--被稱為Wav2vec-U（U代辦無監視）--因為演練數據的分別，那些國度都不足高品質的語音辨別東西。

Facebook的嘗試表白，該體例供給的缺點比下一個最好的無監視本領少63%。它彌補說，該東西與幾年前的監視系一致樣精確。為了加快其興盛，Facebook在GitHub上瓜分了Wav2vec-U的代碼。

該公司表白，這一沖破不妨為全寰球更多的談話和土話帶來語音辨別體例，扶助實行本領的群言堂化。天然，它將從這種分散中受益。在Facebook的28.5億月活潑用戶中，有76%之上坐落北美和歐洲除外。而機動翻譯對其經過首要選擇談話貫穿數十億人的目的至關要害。