El nuevo modelo de IA de Meta traduce voz y texto en 101 idiomas y de forma instantánea en 36 lenguas

Un modelo de inteligencia artificial (IA) desarrollado por Meta es capaz de traducir voz y texto en 101 idiomas y de hacer traducciones directas de voz a voz en 36 lenguas. El modelo, que supera a los existentes, puede allanar el camino hacia las traducciones universales rápidas.

Meta ya presentó una primera versión del modelo en agosto de 2023, aunque ahora, en un artículo publicado en la revista Nature, la compañía incorpora varias innovaciones.

Denominado SEAMLESSM4T, el modelo tiene recursos "que se pondrán a disposición del público -para uso no comercial- para ayudar a seguir investigando" las tecnologías de traducción de voz inclusivas, avanzan los autores en Nature.

Realizar traducciones universales instantáneas es algo que, por ahora, solo ha logrado la ciencia ficción, como El pez de Babel, un pequeño pez amarillo incluido en la Guía del autoestopista galáctico, de Douglas Adams, que se insertaba en una oreja y traducía simultáneamente de manera telepática de una lengua hablada a otra.

Tener algo así sería muy útil para facilitar la comunicación en un panorama global interconectado, pero hoy por hoy la mayoría de los sistemas de traducción por aprendizaje automático están orientados al texto o requieren varios pasos: reconocer la voz, traducir el texto y convertirlo de texto a voz en otro idioma.

Además, la cobertura lingüística de los modelos actuales de conversión de voz a voz es menor que la de los modelos de traducción de texto a texto y suele estar sesgada hacia la traducción de un idioma de origen al inglés.

Hasta 101 idiomas

El modelo desarrollado por Seamless Communication de Meta, sin embargo, admite múltiples modos de traducción hasta en 101 idiomas.

SEAMLESSM4T facilita la traducción de voz a voz (reconoce 101 idiomas y traduce a 36 idiomas), la traducción de voz a texto (101 a 96 idiomas), la traducción de texto a voz (96 a 36 idiomas), la traducción de texto a texto (96 idiomas) y el reconocimiento automático de voz (96 idiomas).

En el caso de la traducción de voz a voz, SEAMLESSM4T traduce textos con hasta un 23% más de precisión que los sistemas existentes.

Además, el modelo de inteligencia artificial puede filtrar el ruido de fondo y adaptarse a las variaciones del hablante, detalla el artículo de Nature.

Por todo ello, los autores aseguran que, aunque todavía hay que mejorarlo, SEAMLESSM4T puede suponer un paso adelante en la mejora de la comunicación más allá de las barreras lingüísticas.

La opinión de los expertos

En un News and Views publicado en Nature, Tanel Alumäe, del Laboratorio de Lenguaje Tecnológico en la Universidad de Tecnología (TalTech) de Tallin, Estonia, destaca que el modelo sea capaz de traducir directamente en 36 idiomas, algo "impresionante" porque puede -por ejemplo- traducir del inglés hablado al alemán hablado sin tener que transcribirlo primero en inglés para traducirlo después.

Pero para este investigador, la mayor virtud de este trabajo no es la idea o el método que propone, sino el hecho de que todos los datos y el código para ejecutar y optimizar esta tecnología están a disposición del público (siempre que no se utilice con fines comerciales), lo que demuestra que Meta es "uno de los mayores defensores de la tecnología lingüística de código abierto".

En cuanto a los retos, Alumäe apunta que aunque el modelo SEAMLESS traduce un centenar de idiomas, el número de lenguas habladas en el mundo es de unas 7.000, además la herramienta aún tiene dificultades en muchas situaciones que los humanos manejan con relativa facilidad como conversaciones en lugares ruidosos o entre personas con acentos muy marcados.

Sin embargo, "los métodos de los autores para aprovechar los datos del mundo real del mundo real abrirán un camino prometedor hacia una tecnología del habla que rivalice con la ciencia ficción", pronostica.

En otro News and Views, Allison Koenecke, del departamento de Ciencias Informáticas de la Universidad de Cornell, Nueva York, advierte de que aunque las tecnologías del habla pueden ser más eficaces y rentables que los humanos (que también son propensos a sesgos y errores), "es imperativo comprender las formas en que estas tecnologías fallan de forma desproporcionada para algunos grupos demográficos".

Además, reconoce que algunos usuarios podrían optar por no utilizar las tecnologías del habla -por ejemplo, en entornos médicos o jurídicos para evitar errores- si así lo desean.

Para este experto es fundamental que en el futuro los investigadores en tecnologías del habla mejoren las disparidades de rendimiento y que los usuarios estén bien informados sobre los posibles beneficios y perjuicios asociados a estos modelos.