Meta推出超強語音AI 讓世界每種語言都能被自動辨識

記者鄧天心／綜合報導

Meta近日發表Omnilingual ASR自適應語音辨識模型，支援超過1600種語言，遠超OpenAI Whisper僅能處理的99種，更可利用「零樣本學習」讓AI現場學會新語言，推高理論支援數量達5400+，從語音科技競爭到文化平權，這是AI界難得一見的里程碑。

Meta此次釋出的Omnilingual ASR，是業界首套能直接支援1600多種語言的語音AI技術平台，最大亮點是內建「零樣本學習」機制，只要提供幾個語音+文字的例子，AI現場就能辨識新語言，徹底突破以往必須大量資料才能訓練AI的限制，可泛用於全球5400多種有書寫系統的語言，不只適合主流語種，也首次開放給少數民族、瀕危語言、方言。

延伸閱讀：

AI成職場標配！旭聯科技發表6雲端產品 打造數位人才培育生態系

Omnilingual ASR不但將模型、訓練資料與程式碼統一採用「Apache 2.0」開源授權，企業可直接用於商業部署、加工優化，無需另付使用費或面對Llama以往軟性限制，徹底降低跨語市場語音產品的門檻。

先前AI語音多侷限在大語種、本地化限制多、平台收費高，Meta此舉等同宣告：「世界上每一種語言，都值得被科技理解。」技術團隊強調：「沒有任何AI能預先囊括地球所有語言，但Omnilingual ASR讓社群能自己動手完善。」這對全球各地NGO、學術團隊、語言保存工作者都是重大利多。

今年Meta大型語言模型Llama 4評價不佳，反思後重新定錨AI路線，執行長馬克·祖克柏甚至砸下重金延攬Scale AI創辦人 Alexandr Wang 為首席AI長，大舉投資自主AI研發，Omnilingual ASR成了Meta重回開放、社群、包容性AI舞台的戰略代表作。

這套系統集合自監督wav2vec 2.0、語音-文字解碼、即時學習新語言等前沿技術，模型大小彈性（300M~70億參數），即便是偏鄉學校也可利用較小模型於一般設備部署。程式碼與資料全數上傳Github及Hugging Face，只需一行指令即可安裝使用。

以前想讓AI會本地語音，幾乎不可能，現在Meta Omnilingual ASR 把門檻徹底打破，無論是跨國教育、智慧客服、障礙輔助或地方語言都能被保存，保存古代的智慧供後人學習。

資料來源：AI at Meta、VentureBeat