محققان هوش مصنوعی در شرکت متا اخیراً در مقاله منتشرشده در ژورنال معتبر نیچر،از مدل جدیدی تحت عنوان SeamlessM4T رونمایی کردند که برخلاف مدل‌های کلاسیک می‌تواند ترجمه مستقیم‌تر گفتاری از زبان مبداء به مقصد را انجام دهد.کلید بهینه‌سازی مدل جدید متا در فرایندی به‌نام داده‌کاوی موازی قرار دارد.طی فرایند مذکور،هوش مصنوعی به‌دنبال عبارت‌های مشابه با ورودی گفتاری در زیرنویس ویدئوهای منتشر شده در وب می‌گردد.در ادامه تکه‌های جمع‌آوری شده در کنار هم قرار می‌گیرند و پس از یکپارچه‌سازی،خروجی آن به کاربر تحویل داده می‌شود.

پژوهشگران متا ادعا دارند که مدل جدید توسعه‌یافته توسط آنها می‌تواند تا ۲۳ درصد دقت بیشتری هنگام ترجمه گفتاری در مقایسه با مدل‌های دیگر از خود نشان دهد.شایان‌ذکر است که مدل مشابه دیگری با نام AudioPaLM توسط گوگل ساخته شده است که زبان‌های پشتیبانی‌شده آن به ۱۱۳ مورد می‌رسد.البته گوگل تمامی بخش‌های مدل خود را به‌شکل متن‌باز ارائه نمی‌کند و کاربران عادی در دسترسی به آن با محدودیت‌هایی مواجه هستند.

با وجود پیشرفت‌های بسیار زیاد صورت‌گرفته در حوزه هوش مصنوعی و ترجمه ماشینی،محققان عقیده دارند که نیاز به ترجمه انسانی هنوز هم به‌شدت حس می‌شود.مترجم‌ها می‌توانند مضامین فرهنگی داخل متون را درک کنند و از رساندن منظور آنها به‌شکل صحیح در زبان مقصد اطمینان پیدا کنند.