主要来源rohanpaul_ai
查看原文事件专题 ·单一信源
开源多语言语音识别模型 Hojo-ASR-Multi-V1 发布，平均 WER 3.54
Hojo-ASR-Multi-V1 是一个开源多语音识别模型，在 5 种语言上取得 3.54 的平均 WER（词错误率）。它采用 Encoder、Adapter 加 LLM 的架构，用 Qwen3-4B 作为解码器，让转写结果同时利用声学特征和 LLM 的语言知识，从而更好地消歧发音相近的词。模型以 Apache 2.0 许可发布在 Hugging Face，可通过 hojo-asr Python 包安装，支持本地推理，输入支持 WAV 路径、音频字节流和 SCP 格式。
当前结论
把 Qwen3-4B 接到语音识别解码端，5 种语言平均 WER 3.54，Apache 2.0 开源可本地跑，做语音转写的可以试试。
2 个信源47° AI 热度最后更新 2026/10/16 07:27:04
证据链
2 个信源相关来源 1shao__meng
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。