▲Meta 推出支援 1,600 語言＋的語音 AI 系統。（圖／MetaAI）
記者吳立言／綜合報導
Meta 今（11日）宣布推出名為「Omnilingual ASR」的開放原始碼語音辨識模型套件，支援超過 1,600 種語言，並涵蓋約 500 種此前從未由任何自動語音辨識（ASR）系統服務的低資源語言。
[廣告] 請繼續往下閱讀.
根據 Meta 官方文件，該模型套件包括：
＊一系列參數規模從約 3 億至 70 億的 ASR 模型，涵蓋超過 1,600 種語言。
＊一款名為 Omnilingual w2v 2.0 的 70 億參數多語言語音表示模型，可用於後續語音相關任務。
＊ 一份「Omnilingual ASR Corpus」資料集，涵蓋約 350 種過去資源稀缺的語言，與全球合作夥伴共同策劃。
[廣告] 請繼續往下閱讀..
Meta 指出，這次的開源釋出目的在於「打破語言障礙、擴大數位存取權，並賦能全球社群」。
在技術成就方面，Meta 表示其 70 億參數模型在超過 1,600 種語言中，有 78 % 的語言達成字元錯誤率（CER）低於 10 %。對於訓練資料達十小時以上的語言，則有 95 % 達到該水準。即使是訓練資料小於十小時的低資源語言，也有 36 % 達到 CER < 10 %。
Meta 表示，此次模型家族採用多樣化架構，包括 wav2vec 2.0 自監督語音表示、CTC（連續時間分類）監督式模型、以及結合語音編碼器與 Transformer 解碼器的大型語言模型-ASR 系列，並可於推理階段對新語言進行零樣本（zero-shot）適應。
該開源專案已於 GitHub 上公開，任何研究者與開發者皆可下載模型與資料集進行應用與延伸開發。在全球語言多樣性與語音科技應用方面，Omnilingual ASR 的推出代表語音識別技術從針對主流語言的階段，正式邁向涵蓋「語言長尾（long‐tail languages，在地化頻率較低）」的新里程碑。
[廣告] 請繼續往下閱讀...
對於台灣及華語圈而言，雖然該系統尚未特別標示支援哪些方言或原住民族語，但其開放模式意味著有潛力讓地方語言、少數族群語言在語音辨識應用中獲得新的支持契機。業界觀察建議政府與學界可關注此類開源工具於教育、語言保存與 AI 本土化上的應用可能。
未來 Meta 表示將持續更新該語音模型家族，以擴大支援語言數量、提高辨識精度、並優化使用環境，期待促進更多語言的「上線」與數位化。