Meta 的 Omnilingual 自动语音识别（ASR）系统入选了《时代》周刊 2026 年最佳发明榜单。这一荣誉于 2026 年 10 月 15 日公布，距该公司研究团队首次向公众发布该工具近一年。《时代》周刊最佳发明是一年一度评选当年度杰出发明的专题。

该系统的核心主张十分直接：为超过 1,600 种语言提供自动语音转文字覆盖，其中包括约 500 种低资源语言——在本项目之前，没有任何语音识别系统支持过这些语言。

Meta 构建了什么

自动语音识别（ASR）是一种听取语音并将其转换为书面文本的技术。它支撑着智能手机上的听写、视频字幕以及每次工作会议后生成的文字记录等日常功能。

全球约有 7,000 种语言。Meta 的基础人工智能研究团队（FAIR）着手填补其中很大一部分空白，并于 2025 年 11 月 10 日以开源形式发布了 Omnilingual ASR。

该系统支持超过 1,600 种语言，其中 500 多种此前从未被任何 ASR 方案覆盖过。在准确率方面，Meta 报告称在 78% 的受支持语言中，字符错误率低于 10%。字符错误率衡量系统对单个字母的识别错误数量；低于 10% 的得分意味着每十个字符中错误不足一个。

关键技术选择

Meta 并没有只发布一个模型，而是推出了一系列参数规模从 3 亿到 70 亿不等的模型，让开发者可以根据手头任务灵活匹配计算资源。

与模型一同发布的还有 Omnilingual ASR 语料库，这是一个覆盖 350 种服务不足语言的数据集，为其他研究人员提供了可在此基础上继续开发的原始素材。该系统还能仅凭少量音频样本适应一门新语言，这种方法被称为零样本适应——对于本就缺乏录音语音的语言而言，这是一条宝贵的捷径。

开源，且已有实际用户

Omnilingual ASR 以 Apache 2.0 许可证发布——这是软件领域使用最广泛的开源许可证之一，允许商业和研究使用。Meta 与全球合作伙伴共同开发了该项目，并自始至终强调开放的数据收集与授权。

最早的实际部署之一出现在尼日利亚，当地医务人员已将该系统投入应用，以改善患者护理。

背景：语言技术的长尾

包括 OpenAI 的 Whisper 在内的早期 ASR 系统，仅能转写约 99 种语言，使世界上大部分语言多样性缺乏充分的语音技术支持。这一差距使得听写、字幕和转写等在主要语言中已十分普遍的便利功能，对全球大多数语言的使用者而言仍遥不可及。

这意味着什么

对于开发者和研究人员来说，Apache 2.0 许可证是最突出的亮点。开放的模型权重、公开的语料库，以及从 3 亿到 70 亿参数的多档模型规模，意味着对许多社区而言，构建本地语言产品的门槛已降至历史最低。

不过仍存在值得关注的局限。78% 的语言字符错误率低于 10%，仍有 22% 的受支持语言高于这一阈值——这意味着各语言的准确率数据将是今后值得关注的指标。