先了解这件事
AI 综述
2026年10月16日,Hojo-ASR-Multi-V1 多语种 ASR 模型公开发布。该模型采用声学编码器加 Qwen3-4B 解码器的 Encoder-Adapter-LLM 架构,解码阶段交由 Qwen3-4B 大语言模型完成,使识别能借助更丰富的语言知识消解仅凭音频难以区分的词。据代表来源报道,模型在 5 种语言上取得 3.54 的平均 WER。模型已在 Hugging Face 以 Apache 2.0 许可公开,可通过 hojo-asr Python 包安装并支持本地推理,接受 WAV 文件路径、音频字节流和 SCP 输入。目前尚无后续有证据的发展。
AI 根据公开报道生成
最新进展 · 正式报道
Hojo-ASR-Multi-V1 开源多语言 ASR：5 语言平均 WER 3.54事件进展
1 个已确认进展
- 来源：Rohan Paul
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月16日
Rohan Paul
Hojo-ASR-Multi-V1 开源多语言 ASR：5 语言平均 WER 3.54
Hojo-ASR-Multi-V1 在 5 种语言上取得 3.54 的平均 WER，采用声学编码器加 Qwen3-4B 解码器的 Encoder-Adapter-LLM 架构。模型已在 Hugging Face 以 Apache 2.0 许可公开，可通过 hojo-asr Python 包安装并支持本地推理，接受 WAV 文件路径、音频字节流和 SCP 输入。解码阶段交由 Qwen3-4B 大语言模型完成，使识别能借助更丰富的语言知识消解仅凭音频难以区分的词。