Meta 发布了语音识别 AI 模型“Omnilingual ASR”，可识别 1600 多种语言。与以往语音识别技术集中于数十种主要语言不同，该模型涵盖了全球的小语种。这是一项从根本上改变语音 AI 技术可访问性的尝试。
Meta 通过官方博客公开了 Omnilingual ASR 的技术细节（2026-02-04）。该模型使用单一系统处理 1600 多种语言。这与以往需要为每种语言单独模块的多语言语音识别模型有着根本的不同。核心在于大规模无监督学习与少量标签数据相结合的训练方式。值得注意的是，即使在数据匮乏的低资源语言中，也实现了实用水平的识别率。
根据VentureBeat 报道（2026-02-05），Meta 将该模型开源。这符合 Meta 的开源 AI 战略。这意味着研究人员和开发者都可以利用和改进该模型。特别是，非洲、东南亚和太平洋岛屿地区的少数语言使用者将获得实际利益。医疗咨询、行政服务、教育内容等语音服务有望大幅降低语言障碍。
竞争格局也很有趣。根据MarkTechPost 报道（2026-02-04），Mistral AI 也推出了 Voxtral Transcribe 2，进军多语言语音识别市场。 Medium 分析（2026-02-03）预测，2026 年语音 AI 将超越简单的听写，扩展到实时翻译和情感分析。Meta 的 Omnilingual ASR 在这种趋势下，确保了语言覆盖范围的基础实力。
Omnilingual ASR 的真正意义在于其包容性，而不仅仅是技术本身。在全球约 7000 种语言中，只有极少数语言受益于数字技术。支持 1600 种语言是缩小差距的第一步，几乎缩小了一半。如果开源发布能够促进社区驱动的改进，那么语音识别技术的普及可能会比想象的更快到来。
FAQ
Q: Omnilingual ASR 支持韩语吗？
A: 由于支持 1600 多种语言，韩语当然包含在内。但是，不同语言的识别准确率可能因训练数据量而异。
Q: 与现有的语音识别服务有什么不同？
A: 谷歌、亚马逊等现有服务主要支持不到 100 种主要语言。Omnilingual ASR 使用单一模型处理 1600 多种语言，规模本身就不同。
Q: 普通开发者也可以使用吗？
A: 由于 Meta 已将其开源，因此任何人都可以下载和使用它。它不仅可以用于研究目的，还可以用于商业服务开发。