Hojo-ASR-Multi-V1开源多语言语音识别模型发布

HojoAI 发布 Hojo-ASR-Multi-V1 多语言语音识别模型，并在 2026-10-16 的公开帖文中介绍其平均 WER 等指标；Hugging Face 模型卡显示该模型基于 Qwen3 解码器、采用 Encoder-Adapter-LLM 架构并以 Apache 2.0 许可开放，关注价值在于多语言 ASR 的本地部署门槛进一步降低。

• 模型卡称其面向会话式语音识别，支持德语、法语、西班牙语、葡萄牙语、意大利语等多语言场景。
• 官方示例支持通过 hojo-asr Python 包加载模型，并接受 WAV 路径、音频字节流和 SCP 输入，便于接入批量转写流程。
• 模型卡列出了多个公开数据集上的 WER，例如德语 CoVoST 为 3.85、法语 MLS 为 2.95、意大利语 FLEURS 为 2.30；这些结果属于开发者披露的基准，不代表所有真实环境表现。
• 模型仍存在语言覆盖、噪声条件、口音、长音频和推理资源消耗等评估边界，且模型卡显示暂未由推理服务商托管。
• 影响/看点：该发布可能为需要多语言和本地推理的开发者提供开源选项，但能否替代成熟商用服务，取决于真实业务音频上的错误率、显存需求、许可证适配和后续维护。
• 资料依据:
• Hugging Face（2026-10-16）：HojoAI/Hojo-ASR-Multi-V1 模型卡 https://huggingface.co/HojoAI/Hojo-ASR-Multi-V1
• HojoAI（2026-07-14）：hojo-asr Python 包发布页 https://pypi.org/project/hojo-asr/
• Rohan Paul（2026-10-16）：Hojo-ASR-Multi-V1 介绍帖 https://x.com/rohanpaul_ai/status/2110995927716778128

本内容由 AI 生成，仅供参考，请注意甄别