来源：https://mp.weixin.qq.com/s/s4C1eME0eRue5Tu2H3EFDQ

你或许很难想象，在世界上7000多种活跃语言中，只有几百种享受过现代语音技术的「宠爱」。

绝大多数人类语言的使用者——从非洲部落的土著、亚马逊雨林的族群，到乡野小镇仍讲着古老方言的老人—— 一直生活在数字时代的旁白之外。

语音助手、自动字幕、实时翻译，这些AI带来的便利仿佛只为少数「主流」语言而生，其余的语言社区仍被挡在技术大门之外。

这种数字鸿沟如今迎来了破局者。

Meta人工智能研究团队日前发布了Omnilingual ASR系统，一个可自动识别转录1600多种语言语音的AI模型族，让几乎所有人类语言都能被机器「听懂」。

这套系统以开源方式共享给全世界，并能由社区亲手拓展新的语言，让每一种声音都有机会登上AI的舞台。

论文地址：https://ai.meta.com/research/publications/omnilingual-asr-open-source-multilingual-speech-recognition-for-1600-languages/https://wxa.wxs.qq.com/tmpl/oj/base_tmpl.html项目地址：https://github.com/facebookresearch/omnilingual-asr?tab=readme-ov-file

1600种语言，只是开始

Meta此次推出的Omnilingual ASR创造了语音识别覆盖语言数量的新纪录，支持超过1600种语言，其中包括500种此前从未被任何AI系统转录过的语言。

相比之下，OpenAI开源的Whisper模型只支持99种语言，而Omnilingual ASR几乎将这一数字提升了一个数量级。

对于全球众多使用小语种的人来说，这无疑是一次「数字雪耻」：他们的母语第一次有了被AI流利听懂的可能性。

这套系统的识别性能在很多语种上已达到领先水平。

据Meta提供的数据，在所测试的1600多种语言中，有78%的语种其识别错误率（CER）低于10%，若以10小时以上语音数据训练的语种来看，这一比例更是达到95%。

即使对于训练语料极其稀少的低资源语言，仍有36%实现了CER低于10%的效果。

这些数字意味着，Omnilingual ASR不仅覆盖面广，而且在大多数语言上都能给出实用且高质量的转录结果。

然而，1600种语言还不是Omnilingual ASR的终点。

更大的意义在于，它打破了以往ASR模型支持语言范围固定死板的局限，让语言覆盖从「定量」走向「可扩展」。

Omnilingual ASR借鉴了大语言模型（LLM）的思路，引入了零样本的「上下文学习」机制。

这意味着即便某种语言最初不在支持列表中，用户也可以通过提供几段该语言的音频和对应文本作为示例，在推理过程中即时让模型学会一种新语言。

无需耗费数月收集大型语料、无需专业深度学习训练，只需简单的少样本学习（few-shot）即可学会新语言。https://wxa.wxs.qq.com/tmpl/oj/base_tmpl.html

凭借这种革新性的范式，Omnilingual ASR的潜在语言覆盖能力骤然扩张。

官方表示，理论上该系统可以扩展到超过5400种语言，几乎涵盖所有有文字记录的人类语言！

无论多冷门的口语，只要有对应的书写体系和几句示例，它就有机会被Omnilingual ASR捕捉记录。

在AI语音识别领域，这是从静态封闭走向动态自适应的范式转变——模型不再束缚于训练时预设的语言清单，而成为一个灵活开放的框架，鼓励各地社区自行加入新语言。

对于那些长期缺席于技术版图的族群来说，这无异于掌握了一把可以随时亲手「解锁」新语言的大门钥匙。