导读： Meta发布了全新的多语言语音识别系统Omnilingual ASR（全语语音识别），一次性覆盖超过1600种语言，其中包含500种从未被任何语音识别系统支持的少数语言。重点：支持1600+语言、覆盖少数语种、全面开源、提升全球可访问性。

Meta宣布推出Omnilingual Automatic Speech Recognition（全语自动语音识别，简称Omnilingual ASR），这是一套覆盖超过1600种语言的语音识别系统。其中有500种语言此前从未出现在任何ASR（自动语音识别）系统中。

此次发布包含三大核心内容：

• Omnilingual ASR模型套件：参数规模从3亿到70亿不等，可识别1600多种语言。
• Omnilingual w2v 2.0：一款拥有70亿参数的多语言语音表示模型，可扩展用于其他语音相关任务。
• Omnilingual ASR语料库：覆盖350种支持不足的语言。

Meta表示，所有模型和数据集均已在GitHub上完全开源，研究者与开发者可自由下载、试用或继续训练。

性能方面，Omnilingual ASR 7B系统在1600多种语言中，有78%的语言实现了字符错误率（CER）低于10的成绩，效果达到业界领先水准。同时，该系统支持通过少量配对样本快速新增语言，无需大量数据或专业训练经验，大幅提升了可扩展性。

Omnilingual ASR基于Meta自家的fairseq2框架构建，支持跨平台推理。目前版本可处理40秒以内的音频，未来将陆续开放更长音频的转录功能。

用户可通过简单的安装命令（pip install omnilingual-asr）快速上手，并利用提供的推理接口进行语音转文字任务。

Meta在官方说明中强调，这一项目的核心目标是打破语言壁垒，让更多社区和文化在数字世界中被听见。“无论是非洲的方言，还是濒危语种，我们希望每一种语言都能在互联网中找到自己的声音。”

GitHub 链接：https://github.com/facebookresearch/omnilingual-asr

参考资料：https://x.com/AIatMeta/status/1987946571439444361