📰 正文
Meta AI（FAIR团队）发布了 Omnilingual ASR（全语种自动语音识别系统）：一个覆盖超过 1600 种语言 的开源语音识别框架，其中包括 500 种此前从未被 AI 系统识别过的低资源语言。
这项计划的目标十分宏大：
让任何语言都能被机器理解，让任何人都能用自己的语言与世界沟通。
Omnilingual ASR 不是一个单一模型，而是一整套工具链，包括：
Omnilingual wav2vec 2.0：一个拥有 70 亿参数 的多语言自监督语音模型；
Omnilingual ASR Corpus：一个包含 350 种稀缺语言 的语音转录数据集；
开放探索 Demo：用于展示各语言识别效果的在线交互工具。
Meta 的野心：让语音识别不再属于“主流语言”
当今市面上的语音识别系统（如 Whisper、Google ASR、Amazon Transcribe） 虽然对英语、普通话、西班牙语等主流语言的识别精度已接近完美， 但全球 7000 多种语言中，超过 80% 没有被 AI 听见过。
原因在于：
大多数语言缺乏标注语音数据；
模型训练成本高昂；
AI 架构难以规模化泛化。
Meta 的 Omnilingual ASR 旨在解决这些结构性问题：
从“多语言（multilingual）”迈向“全语言（omnilingual）”。
核心技术突破：从 wav2vec 到 LLM-ASR
1️⃣ 70 亿参数的「Omnilingual wav2vec 2.0」
Meta 将经典的 wav2vec 2.0（自监督语音表示模型）扩展至 7B 参数规模， 能从未经标注的语音数据中学习出跨语言的语义表征。
这使模型不必依赖大量人工标注语料，也能理解多语言语音特征。
2️⃣ 双解码架构：CTC 与 Transformer
系统包含两种语音转文本的解码器：
CTC 解码器：传统高效的时间序列对齐方法；
Transformer 解码器（被称为 LLM-ASR）： 将大语言模型（LLM）的序列建模能力应用于语音识别， 在低资源语言上大幅提升性能。
成果惊人：
在 1600+ 种语言中，78% 的语言字符错误率（CER）低于 10%，达到目前业内最高水平。
突破性创新：支持「自带语言（Bring Your Own Language）」
以往想让 AI 支持一种新语言，必须收集大量训练数据、聘请专家标注，代价极高。
而 Omnilingual ASR 的最大创新在于：
任何人都能通过提供几段自己的语音样本 + 对应文本，就能让系统“学习”你的语言。
这种能力来自 LLM 式的 in-context learning（上下文学习）：
无需再训练；
无需专业硬件；
几个样本即可获得可用识别结果。
这意味着：
语言学家可快速测试稀有方言；
小语种社区可轻松建立本地语音识别系统；
人工智能的语言包容性大幅提升。
模型、数据、工具全开源
Meta 以 Apache 2.0 许可证 发布模型代码，并将数据集以 CC-BY 许可 开源。 所有模型基于 fairseq2 框架（PyTorch 生态），方便研究者复用。
提供的模型系列包括：
🔗 相关资源
📘 Omnilingual ASR 项目主页
🎙 Language Exploration Demo
🗣 Language Technology Partner Program