论文在19种非洲语言自发语音上对比零样本与微调ASR，并发布百余个微调模型。
资讯摘要
论文在WAXAL自发语音语料上评测Whisper、MMS、Omnilingual ASR与SeamlessM4T-v2在19种非洲语言的零样本与微调表现。作者报告，微调使覆盖全部19种语言的最佳零样本模型Omnilingual-7B的宏平均WER从52.3降至MMS 300M模型的36.2、Omnilingual配LLM解码器的31.5；共享编码器下LLM解码器在18种语言上WER更低，但体积约大五倍、CPU推理更慢。按语系或全部语言合并建模平均仅损失0.6至1.0 WER。
要点速读
- 微调后宏平均WER从最佳零样本Omnilingual-7B的52.3降至MMS 300M的36.2、Omnilingual加LLM解码器的31.5。
- 共享编码器下LLM解码器在19种语言中的18种WER更低，但参数量约大五倍、CPU推理明显更慢。
- 按语系或全部19种语言合并为单模型，平均仅比单语言模型差0.6至1.0 WER；作者发布代码和100多个微调模型。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。