Meta ha lanzado SEAMLESSM4T, un revolucionario modelo de inteligencia artificial diseñado para traducir voz y texto en tiempo real. Este desarrollo tiene el potencial de transformar las interacciones multilingües al ofrecer traducciones directas en más de 100 idiomas, conservando el tono y las emociones del hablante original.
El modelo SEAMLESSM4T permite traducir voz a voz, voz a texto y texto a voz en 101 idiomas. Además, ofrece traducciones de texto a texto en 96 idiomas y de voz a voz en 36. Según las pruebas realizadas, este sistema supera a las herramientas actuales en precisión, alcanzando entre un 8% y un 23% más de eficacia en las tareas de traducción.
El modelo también ha demostrado ser más resistente al ruido de fondo y a las variaciones en el tono de los hablantes, con un 50% más de robustez en estas áreas. Esta capacidad lo convierte en una herramienta ideal para entornos ruidosos o en situaciones en las que se requiera una traducción inmediata y precisa.
SEAMLESSM4T destaca por su enfoque inclusivo, integrando idiomas minoritarios que suelen quedar fuera de los sistemas tradicionales de traducción. Este esfuerzo busca democratizar el acceso a tecnologías avanzadas de comunicación y mejorar la conectividad global.
Un traductor trabajao para evitar sesgos
El modelo está entrenado con 470.000 horas de datos multilingües de voz y texto, lo que le permite manejar combinaciones de idiomas no presentes en su base de datos inicial. Esta capacidad es esencial para atender a comunidades menos representadas en los sistemas de traducción actuales.
Uno de los aspectos clave del nuevo traductor de Meta es su enfoque en la mitigación de la toxicidad. Para lograrlo, la compañía ha desarrollado la herramienta Etox, que filtra blasfemias y contenido que pueda incitar al odio o la violencia. Este esfuerzo busca garantizar que las traducciones no perpetúen sesgos de género, raciales o culturales.
Sin embargo, algunos expertos han señalado áreas de mejora, como la precisión en la traducción de nombres propios y expresiones coloquiales. También persisten desafíos relacionados con los sesgos inherentes en los datos utilizados para entrenar el modelo, aunque Meta ha mostrado un compromiso claro con la mejora continua en estos aspectos.
Si (
No(
