Meta 的 Omnilingual 自動語音辨識（ASR）系統入選《時代》雜誌 2026 年最佳發明榜單。此項肯定於 2026 年 10 月 15 日公布，距離該公司研究團隊首次向公眾發布此工具將近一年。《時代》最佳發明是一項年度專題，表彰當年傑出的發明。

該系統的核心主張十分明確：為超過 1,600 種語言提供自動語音轉文字涵蓋，其中包括約 500 種低資源語言，而在這個專案之前，沒有任何語音辨識系統支援過這些語言。

Meta 實際打造了什麼

自動語音辨識（ASR）是一種聆聽口語並將其轉換為書面文字的技術。它支撐著智慧型手機上的聽寫、影片字幕，以及每次工作通話後產生的逐字稿等日常功能。

全球約有 7,000 種語言。Meta 的基礎人工智慧研究團隊（FAIR）著手彌補其中一大段落差，並於 2025 年 11 月 10 日以開源形式發布了 Omnilingual ASR。

該系統支援超過 1,600 種語言，其中 500 多種過去從未被任何 ASR 解決方案涵蓋。在準確度方面，Meta 表示在 78% 的支援語言中，字元錯誤率低於 10%。字元錯誤率衡量系統寫錯多少單一字母；低於 10% 的分數代表每十個字元中不到一個需要修正。

重要的技術選擇

Meta 並未只推出單一模型，而是發布了一系列規模從 3 億到 70 億參數的模型，讓開發者能依手邊任務選擇相應的運算資源。

除了模型之外，該公司還發布了 Omnilingual ASR 語料庫，這是一個涵蓋 350 服務不足語言的資料集，為其他研究人員提供了可持續建構的原始素材。該系統還能僅憑少量音訊樣本就適應一種新語言，這種方法被稱為零樣本適應——對於本就缺乏錄音語料的語言而言，這是一條寶貴的捷徑。

開源，且有實際使用者

Omnilingual ASR 以 Apache 2.0 授權釋出，這是軟體領域最廣泛使用的開源授權之一，允許商業與研究用途。Meta 與全球合作夥伴共同開發此專案，並在整個過程中強調開放的資料收集與授權。

最早的實際部署之一出現在奈及利亞，當地的醫護人員已將該系統應用於改善病患照護。

背景：語言技術的長尾

先前的 ASR 系統，包括 OpenAI 的 Whisper，僅能轉錄約 99 種語言，使世界上大部分的語言多樣性缺乏足夠的語音技術支援。這種落差使得聽寫、字幕與轉錄等在主要語言中常見的便利功能，對全球大多數語言的使用者而言始終遙不可及。

這代表什麼

對開發者與研究人員而言，Apache 2.0 授權是最受矚目的特點。開放權重、公開語料庫，以及規模從 3 億到 70 億參數不等的模型，意味著對許多這類社群而言，打造本地語言產品的門檻比以往任何時候都更低。

仍有值得關注的限制。78% 的語言字元錯誤率低於 10%，這代表仍有 22% 的支援語言高於此門檻——使得各語言的準確度數據成為未來值得持續關注的指標。