टेक न्यूज़ डेस्क - पिछले कुछ महीनों में एआई को लेकर कई बड़ी चर्चाएं देखने को मिली हैं। लगभग सभी बड़ी कंपनियों ने इसे अपने विभिन्न कार्यक्रमों में एकीकृत करना शुरू कर दिया है। इसी चलन को जारी रखते हुए मेटा ने एक नया मॉडल भी पेश किया है। मेटा 1,100 से अधिक भाषाओं के लिए स्पीच-टू-टेक्स्ट, टेक्स्ट-टू-स्पीच एआई मॉडल प्रदान करता है, साथ ही ओपन सोर्स डेटा भी साझा करता है। हां, अन्य बड़ी टेक कंपनियों की तरह, मेटा भी आर्टिफिशियल इंटेलिजेंस (एआई) पर बड़ा दांव लगा रही है। एआई के प्रति कंपनी का दृष्टिकोण गूगल और माइक्रोसॉफ्ट से थोड़ा अलग रहा है। आइए, जानते हैं इसके बारे में।
मॉडल किस उद्देश्य से बनाया गया है?
मेटा ने दुनिया भर में भाषाओं को संरक्षित करने के उद्देश्य से एक नए बड़े भाषा मॉडल (एलएलएम) का अनावरण किया। इसे Massively Multilingual Speech (MMS) कहा जाता है। मॉडल ने टेक्स्ट-टू-स्पीच और स्पीच-टू-टेक्स्ट तकनीक को लगभग 100 भाषाओं से 1,100 से अधिक तक बढ़ाया है, जो पहले की तुलना में 10 गुना अधिक है। इसके अलावा, यह 4,000 से अधिक बोली जाने वाली भाषाओं को भी पहचान सकता है, जो कि पहले की तुलना में 40 गुना अधिक है।
मॉडल का इस्तेमाल कैसे होगा?
अपने ब्लॉग पोस्ट में, मेटा ने बताया कि दुनिया की कई भाषाओं के विलुप्त होने का खतरा है, और वर्तमान भाषण मान्यता और पीढ़ी की तकनीक की सीमाएं इस प्रवृत्ति को और तेज करेंगी। कंपनी ने ब्लॉग में कहा कि हम लोगों के लिए अपनी पसंदीदा भाषा में जानकारी हासिल करना और टूल्स का इस्तेमाल करना आसान बनाना चाहते हैं। आज हम आर्टिफिशियल इंटेलिजेंस (एआई) मॉडल की एक श्रृंखला की घोषणा कर रहे हैं जो उन्हें ऐसा करने में मदद करेगी। कर सकता है
कैसे काम करेगा नया मॉडल?
मेटा ने कहा कि सबसे बड़ी चुनौती हजारों भाषाओं के लिए ऑडियो डेटा एकत्र करना था। सबसे बड़ा मौजूदा स्पीच डेटासेट 100 से अधिक भाषाओं को कवर करता है। उदाहरण के लिए, धार्मिक ग्रंथों, जैसे कि बाइबिल, का कई अलग-अलग भाषाओं में अनुवाद किया गया है और जिनके अनुवादों का पाठ-आधारित भाषा अनुवाद अनुसंधान में व्यापक रूप से अध्ययन किया गया है। मेटा पर इन अनुवादों में विभिन्न भाषाओं में इन ग्रंथों को पढ़ने वाले लोगों की ऑडियो रिकॉर्डिंग सार्वजनिक रूप से उपलब्ध है। कंपनी ने कहा कि एमएमएस प्रोजेक्ट के तहत हमने 1,100 से ज्यादा भाषाओं में न्यू टेस्टामेंट रीडिंग का डेटासेट बनाया, जो प्रति भाषा औसतन 32 घंटे का डेटा देता है।