世界上大约 7000 种已知的语言中，有 40% 没有标准的书写系统。而机器学习翻译系统通常需要大量可标记的语言实例来进行训练，包括书面和口头语言，这正是像闽南语这种没有文字的语言所不具备的。不过 Meta 公司 宣布，已经通过其最新的开源语言人工智能（AI）解决了这个问题。

Meta 公司公布了“第一个由人工智能驱动的无文字语言的语音翻译系统”，该系统成功地翻译了闽南语，这是一种主要在台湾地区使用的口头语言。Meta的研究团队利用普通话作为中间语言来建立伪标签，首先将英语（或闽南语）语音翻译成普通话文本，然后再翻译成闽南语（或英语），并将其加入训练数据。

Meta还强调了这项技术面临的挑战。研究人员称，收集足够的数据是他们建立闽南语翻译系统时面临的一个重大障碍。“闽南话是一种所谓的低资源语言，这意味着与西班牙语或英语相比，没有大量的训练数据可供利用。此外，英语到闽南语的翻译人员相对较少，这使得收集和注释数据以训练模型变得困难。”Meta的研究团队在新闻稿里写道。所以他们利用普通话作为中间语言来建立伪标签以及人工翻译，这种方法通过利用类似的高资源语言的数据，大大提高了模型的性能。

该系统是 Meta 公司人工智能项目的一部分，被称为“通用语音翻译器（UST）”。Meta 公司在一份声明中说：“该翻译系统是 Meta 人工智能的通用语音翻译器项目的第一个里程碑，该项目专注于开发人工智能系统，提供所有语言的实时语音到语音翻译，甚至无文字语言。”

Meta CEO 马克-扎克伯格在发布在 Facebook 上的视频中演示了该用该系统翻译闽南语，并表示 Meta 公司将对该工具进行开源，以便人们可以使用新的人工智能系统来翻译更多的语言。