Facebook Rilis Fitur Caption Otomatis untuk Live Video dengan Dukungan AI

Fitur tersebut untuk saat ini mendukung enam bahasa, yakni Inggris, Spanyol, Portugis, Italia, Jerman, dan Prancis.

Teknologi caption otomatis, yang telah ada sejak akhir 2000-an, masih merupakan pekerjaan sulit. Dalam jenis percakapan di tayangan langsung (live stream), orang tidak selalu berbicara secara alami dengan jelas atau menunggu giliran untuk berbicara.

Kebisingan di latar belakang, variasi aksen dan dialek, dan rentang nada luas yang memengaruhi ucapan manusia, membuat hal ini semakin sulit.

Sistem juga perlu belajar mengenali ratusan juta kata berbeda dalam banyak bahasa, termasuk nama dan jargon tidak umum.

Secara konvensional, teknologi ini terdiri dari tiga komponen: model akustik yang memprediksi fonem dari segmen pendek audio, leksikon pelafalan fonetik, dan model bahasa yang menangkap hubungan di antara kata-kata itu.

Penemuan awal tim Facebook AI adalah leksikon pelafalan fonetik dapat dihilangkan dan model akustik dapat dilatih untuk secara langsung memprediksi grafem (atau karakter) kata dengan akurasi lebih baik, dan belakangan dikembangkan untuk sistem hybrid. Langkah-langkah tersebut dapat secara luas menyederhanakan pengembangan teknologi ini.