Meta FAIR推出多语言自动语音识别系统
Meta基础人工智能研究（FAIR）团队推出了多语言自动语音识别（Omnilingual ASR）。该系统基于PyTorch框架fairseq2开发，包含从3亿到70亿参数的多种模型版本，支持将1600多种口语转换为文本。其应用场景涵盖语音助手、转录工具、字幕生成、档案数字化及为资源受限语言提供无障碍功能。
填补全球数千种语言的AI支持空白
现有主流语音识别工具（如Whisper）仅覆盖约99种语言，而全球7000多种语言中绝大多数缺乏AI支持。Omnilingual ASR旨在填补这一空白，其中500种语言此前从未被任何AI系统支持过，标志着向通用转录系统迈出重要一步。
测试表现与低资源语言突破
在1600种测试语言中，78%的语言字符错误率低于10%。具体而言：
- 拥有至少10小时训练音频的语言：95%达到该标准；
- 录音少于10小时的低资源语言：36%保持在10%错误率阈值内。
“自带语言”功能实现低成本扩展
系统采用“自带语言”（Bring Your Own Language）机制及上下文学习能力，用户仅需提供少量匹配的音视频样本即可添加新语言，无需重新训练或消耗大量算力。理论上，该方法可将支持范围扩展至5400多种语言。
开源发布与数据集共享
Meta以Apache 2.0许可证开源了Omnilingual ASR及其模型选项，允许自由使用、修改及商业化。同时发布了Omnilingual ASR Corpus数据集，包含350种代表性不足语言的转录语音，采用CC-BY协议授权，助力开发者针对本地需求构建或优化语音识别模型。