System automatycznego rozpoznawania mowy Omnilingual (ASR) firmy Meta znalazł się na liście najlepszych wynalazków 2026 roku magazynu TIME. Wyróżnienie ogłoszono 15 października 2026 roku, niemal rok po tym, jak zespół badawczy firmy po raz pierwszy udostępnił narzędzie publicznie. TIME's Best Inventions to coroczne zestawienie wyróżniające najbardziej znaczące wynalazki roku.

Główna propozycja systemu jest prosta: automatyczna zamiana mowy na tekst w ponad 1600 językach, w tym w około 500 językach o ograniczonych zasobach, których przed tym projektem nie obsługiwał żaden system rozpoznawania mowy.

Co zbudowała Meta

Automatyczne rozpoznawanie mowy, czyli ASR, to technologia, która słucha wypowiadanych słów i przekształca je w tekst pisany. Napędza ona codzienne funkcje, takie jak dyktowanie na smartfonach, napisy w filmach czy transkrypcje generowane po każdym spotkaniu służbowym.

Na świecie mówi się około 7000 językami. Zespół Fundamental AI Research firmy Meta, znany jako FAIR, postawił sobie za cel zamknięcie znacznej części tej luki i 10 listopada 2025 roku udostępnił Omnilingual ASR jako oprogramowanie open source.

System obsługuje ponad 1600 języków, z czego ponad 500 nie było wcześniej objętych żadnym rozwiązaniem ASR. Jeśli chodzi o dokładność, Meta informuje o wskaźniku błędów znakowych poniżej 10% dla 78% obsługiwanych języków. Wskaźnik błędów znakowych mierzy, ile pojedynczych liter system rozpoznaje błędnie; wynik poniżej 10% oznacza, że mniej niż jeden na dziesięć znaków wymaga poprawy.

Decyzje techniczne, które mają znaczenie

Zamiast pojedynczego modelu Meta udostępniła rodzinę modeli o rozmiarach od 300 milionów do 7 miliardów parametrów, dając programistom możliwość dopasowania zasobów obliczeniowych do konkretnego zadania.

Oprócz modeli firma opublikowała również Omnilingual ASR Corpus — zbiór danych obejmujący 350 języków o ograniczonych zasobach, który daje innym badaczom materiał wyściowy do dalszej pracy. System może także adaptować się do nowego języka na podstawie niewielkiej liczby próbek audio — podejście to nazywane jest adaptacją zero-shot, stanowiącym cenne uproszczenie dla języków, które od początku dysponują niewielką ilością nagranej mowy.

Open source z realnymi użytkownikami

Omnilingual ASR został udostępniony na licencji Apache 2.0, jednej z najczęściej używanych licencji open source w oprogramowaniu, pozwalającej zarówno na zastosowania komercyjne, jak i badawcze. Meta rozwijała projekt we współpracy z partnerami z całego świata, kładąc nacisk na otwarte zbieranie danych i licencjonowanie na każdym etapie.

Jedno z pierwszych rzeczywistych wdrożeń miało miejsce w Nigerii, gdzie personel medyczny wykorzystuje system do poprawy opieki nad pacjentami.

Kontekst: długi ogon technologii językowych

Wcześniejsze systemy ASR, w tym Whisper firmy OpenAI, były w stanie transkrybować jedynie około 99 języków, pozostawiając znaczną część językowego zróżnicowania świata bez odpowiedniego wsparcia technologii głosowych. Ta luka sprawiła, że udogodnienia, takie jak dyktowanie, napisy i transkrypcja, powszechne w głównych językach, pozostawały w dużej mierze poza zasięgiem użytkowników większości języków świata.

Co to oznacza

Dla programistów i badaczy licencja Apache 2.0 jest najbardziej znaczącą cechą. Otwarte wagi modeli, publiczny korpus i modele o rozmiarach od 300 milionów do 7 miliardów parametrów oznaczają, że bariera tworzenia produktów w językach lokalnych jest niższa niż kiedykolwiek wcześniej dla wielu tych społeczności.

Istnieją jednak ograniczenia, które warto obserwować. Wskaźnik błędów znakowych poniżej 10% dla 78% języków nadal pozostawia 22% obsługiwanych języków powyżej tego progu — co sprawia, że dokładność w podziale na poszczególne języki będzie metryką wartą śledzenia.