Normalmente, los modelos de reconocimiento del habla son individuales, es decir, cada modelo, está diseñado para cada idioma. Estos modelos, son los que gracias a la inteligencia artificial, permiten a los asistentes entender cuando hablamos. Facebook, parece que ha conseguido salirse de lo habitual para lanzar un modelo que cambia las reglas actuales.
Además de que afirman que su reconocimiento del habla bate con sobrada diferencia al modelo de Google, es capaz de entender hasta 51 idiomas usando el mismo modelo, algo poco habitual en este campo. Según ha informado Facebook, el aprendizaje ha sido capaz gracias a 16.000 horas de grabaciones de voz, siendo posiblemente la mayor en la actualidad. Todas estas grabaciones han sido realizadas con con las grabaciones de la gente, vídeos de Facebook (supuestamente anonimizados) y demás contenido que publicamos (ojo con lo que publicamos). Además, Facebook está de acuerdo en pagar a la gente que mande grabaciones para poder continuar con su avance.
Según los datos publicados por la empresa, esta nueva versión es un 28.8% más precisa en el entendimiento que la anterior. Además, afirman que es mejor que las de sus competidores (Amazon y Google) siendo capaz de poder ser multiidioma de forma real. Tanto Alexa como Google Assistant tienen un modo políglota bastante limitado y ahí parece que es donde puede llegar Facebook con su nuevo modelo.
¿Para que usan los modelos de reconocimiento de voz?
Todo este reconocimiento, además de para poder usarlo en Portal, lo usarán para poder entender las cosas cuando hablamos con los dispositivos cerca para poder ofrecer la publicidad en base a lo que estamos hablando, cuanto más nos entiendan, más acertada será la publicidad que tengamos. Es por ello que puedan llegar a pagar por simples grabaciones, es el precio que pagamos porque todo sea gratis (o nos creamos que son gratis).
Más info aquí.