meta的基础人工智能研究（fair）团队最近开源了一款名为omnilingual asr的突破性自动语音识别系统，能够识别并转录超过1600种口语语言。该模型基于pytorch构建的fairseq2框架开发，提供多个版本，参数规模从适用于低功耗设备的3亿参数模型，到追求极致精度的70亿参数大模型。
这一发布旨在填补当前AI技术在语言支持方面的显著空白，推动实现“通用语音转录系统”的愿景。Meta强调，在其所覆盖的1600多种语言中，有约500种语言此前从未被任何AI系统所支持。
Omnilingual ASR的一项核心创新是引入了“自带语言”（Bring Your Own Language）功能，灵感来源于大语言模型中的上下文学习机制。通过仅提供少量音频与对应文本的样本，用户即可让系统即时学会识别一种新语言，无需重新训练模型或依赖大量算力投入。
Meta指出，借助这一机制，理论上Omnilingual ASR未来可扩展至支持超过5400种语言，远超目前行业内的语言覆盖极限。
与此同时，Meta还推出了Omnilingual ASR Corpus——一个涵盖350种代表性不足语言的大规模转录语音语料库。该数据集采用知识共享署名许可（CC-BY）公开发布，旨在赋能全球开发者优化和定制语音识别模型，以更好地服务本地化应用场景。
以上就是Meta AI 推出“全语种”语音识别系统，支持 1600+ 语言的详细内容，更多请关注php中文网其它相关文章！
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移，垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是，许多工具可以让 Windows 保持平稳运行。
广告
收藏
收藏
收藏
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号
440
