Meta 推出了一项突破性的全能翻译技术（OMT），首次将机器翻译的支持范围从 200 种语言扩展到 1600 多种，特别覆盖了大量低资源和濒危语言。通过结合大规模多语料库和高效的大模型架构（如 OMT-LLaMA 和 OMT-NLLB），该系统不仅在极低计算资源下实现了卓越的翻译性能，还解决了长期以来低资源语言“能理解但难生成”的瓶颈。这一成果标志着多语言机器翻译向“全语言”覆盖迈出了关键一步。
核心突破：支持超过 1600 种语言
传统的机器翻译系统通常只能覆盖约 200 种语言，导致全球数千种语言（尤其是濒危和边缘化语言）被排除在现代技术之外。
- 极度扩张的覆盖面： OMT 系统将支持语言的数量提升到了 1600 种以上。
- 智能数据策略： 团队通过整合公共语料库、人工精选数据以及合成数据，填补了长尾语言的数据空白。
- 现实意义： 这意味着更多人可以使用母语与世界沟通，打破了数字时代的语言隔阂。
架构创新：以小博大的高效性能
OMT 探索了两种让大语言模型（LLM）适配翻译任务的路径，证明了专门化的模型比通用的巨型模型更有效。
- 双路径设计：
- OMT-LLaMA： 基于解码器架构，通过持续预训练和检索增强技术提升翻译准确度。
- OMT-NLLB： 基于编码器-解码器架构，利用统一的语义对齐空间进行翻译。
- 性能飞跃： > 仅拥有 10 亿到 80 亿参数 的 OMT 模型，在翻译表现上即可匹配甚至超越 700 亿参数 的通用大模型。
这种设计使得高质量翻译在低算力环境下成为可能，极大地降低了技术门槛。
攻克“生成瓶颈”：让 AI 真正会说话
过去的研究发现，AI 模型虽然能“听懂”很多冷门语言，但在“写出来”时往往语无伦次。
- 从理解到表达： OMT 不仅提升了跨语言理解能力，还显著改善了 1600 种语言的生成质量。
- 连贯性提升： 在针对 1600 种语言的英语翻译测试中，OMT 展示了远超基准模型的生成连贯性和忠实度。
统一语义空间：打破模态界限
为了支撑这一系统，Meta 开发了 OmniSONAR，这是一个将多种信息形式统一起来的“翻译官”。
- 跨模态融合： 它建立了一个统一空间，原生支持文本、语音、代码和数学表达式。
- 多维应用：
- 语音扩展： 已支持 177 种口语的语义映射。
- 视觉对齐： 通过 v-Sonar，AI 可以理解视频内容并用 1500 多种语言生成字幕。
确保可靠：史上最严苛的评估
翻译这么多语言，如何保证翻译得对、翻译得好？Meta 建立了一套动态演进的评估体系：
- BOUQuET 数据集： 目前已知规模最大的手动构建多语言评估集合。
- 安全性保障： 使用 OmniTOX 毒性分类器 过滤翻译中的有害内容。
- 自动化质量监测： 采用 BLASER 3 模型，在没有标准答案参考的情况下也能准确评估翻译水平。
展望未来：迈向全语言智能
这项技术的发布不仅是翻译工具的升级，更是 AI 基础设施的重构。通过开源框架、工具和模型，Meta 正在推动 AI 走向更公平、更包容的未来，让每一种语言在数字世界中都能拥有自己的声音。