Meta于周一（11月10日）推出全新的Omnilingual ASR（全语言自动语音识别系统），一次性支持超过1600种语言，成为目前全球语音AI覆盖最广的系统。该技术由Meta FAIR（基础人工智能研究）团队研发，并同步开源模型与语料，被视为语音技术全球化的重要突破。

Meta指出，长期以来语音识别技术主要集中在英语、中文、西班牙语等高资源语言，依赖大量人工标注数据，导致全球许多弱势语言在数字化进程中被长期忽视。这种差距严重限制了语音AI的全球普及性，而Omnilingual ASR正是为解决这一根本问题而设计。

在Omnilingual ASR支持的1600多种语言中，包含249种高资源语言（每种语言至少50小时语料）、881种中资源语言（10至50小时），以及546种低资源语言（少于10小时）。也就是说，超过八成的语言属于中低资源类型，是传统ASR最难处理的领域。当采用当前最先进的7B-LLM-ASR模型时，高资源和中资源语言中有95%的语音识别字符错误率（CER）低于10%；而在语料稀缺的546种低资源语言中，也有195种（占36%）达到CER低于10%。总体而言，在1600多种语言中，78%的语言CER低于10%，显示出模型具备极强的泛化能力。

为支持如此大规模的语言覆盖，Meta将语音基础模型wav2vec 2.0扩展至70亿参数（7B），并提供CTC（连接时序分类）和基于Transformer架构的大型语言模型解码器（LLM-ASR）两种解码结构。后者特别强化了长尾语言的表现，使模型即使在语料极少的情况下仍能保持可用的准确度。

另一项关键突破是“自带语言”能力。用户只需提供少量语音与文字对应的样本，即可将系统扩展至尚未支持的语言，其核心依赖于大型语言模型的上下文学习能力，使语音识别能够以极低门槛覆盖更多语言社群。

Meta同步发布Omnilingual ASR语料库，包含350种弱势语言，均由母语者录制，是目前规模最大的超低资源语音数据集。所有模型采用Apache 2.0许可证开源，语料采用CC-BY协议发布，并与Mozilla Common Voice、Lanfrica等组织合作，确保数据更贴近当地真实语境。

Meta表示，Omnilingual ASR的愿景是构建全球性的语音基础设施，让语音AI不再仅服务于主流语言，而是真正惠及全球所有语言与文化群体。