NGOPILOTONG.COM   -  Meta telah meluncurkan model kecerdasan buatan terbaru bernama SeamlessM4T. Model ini memungkinkan komunikasi mudah melalui ucapan atau teks dalam berbagai bahasa. Istilah M4T merujuk pada Massively Multilingual and Multimodal Machine Translation.


Seamless M4T memiliki beberapa kemampuan penting. Pertama, model ini mendukung pengenalan ucapan hampir dalam 100 bahasa berbeda, serta mampu menerjemahkan ucapan ke teks (speech-to-text) dalam hampir 100 bahasa masukan dan keluaran. 


Selanjutnya, model ini mendukung terjemahan ucapan ke ucapan (speech-to-speech) dengan hampir 100 bahasa masukan dan 36 bahasa keluaran. Selain itu, SeamlessM4T juga dapat melakukan terjemahan teks ke teks (text-to-text) untuk hampir 100 bahasa. 


Kemampuan lainnya adalah terjemahan teks ke ucapan (text-to-speech) yang mendukung hampir 100 bahasa masukan dan 35 bahasa keluaran.


Meta menjelaskan bahwa pendekatan yang menggunakan sistem tunggal seperti SeamlessM4T mampu mengurangi kesalahan dan penundaan, serta meningkatkan efisiensi dan kualitas proses penerjemahan. 


Dengan demikian, model ini memungkinkan orang yang berbicara dalam bahasa berbeda untuk berkomunikasi lebih efektif.


SeamlessM4T dibangun berdasarkan model terjemahan Meta sebelumnya, yakni No Language Left Behind, yang mendukung 200 bahasa dan dirilis pada tahun 2022. 


Model ini juga mengembangkan SpeechMatrix, yang merupakan kumpulan data untuk terjemahan ucapan-ke-ucapan multibahasa, serta Massively Multilingual Speech untuk pengenalan ucapan.


Pengembangan SeamlessM4T melibatkan desain ulang perangkat pemodelan rangkaian Fairseq, dengan tujuan menciptakan model yang lebih ringan dan mampu menangani lebih banyak informasi. 


Selain itu, model ini akan dilengkapi dengan sistem yang dapat mengidentifikasi kata-kata toksik atau sensitif. Meta mengartikan kata-kata toksik sebagai contoh terjemahan yang dapat memicu kebencian, kekerasan, kata-kata kasar, atau pelecehan. Tujuannya adalah untuk mendeteksi dan menghindari kata-kata toksik dalam hasil terjemahan.


Meta juga menyatakan bahwa model AI mereka mampu mengenali bias gender dalam bahasa, serta dapat mengukur bias gender dalam terjemahan. Model ini secara aktif menyaring toksisitas yang tidak seimbang dalam data pelatihan dan berupaya menghapus rangkaian pelatihan yang mengandung toksisitas yang berbeda. 


Para peneliti juga melakukan pemurnian pada kumpulan data yang salah menerjemahkan kata-kata kasar, untuk meningkatkan akurasi penggunaan data tersebut.




Baca Berita Lainnnya di Google News

Jasa Branding dan Pasang Iklan Caleg Pemilu 2024 Hubungi