Meta stellt 1.600‑Sprachen‑ASR-Modell vor – Open-Source-Revolution

Meta hat heute ein neues, mehrsprachiges automatisches Spracherkennungssystem (ASR) vorgestellt, das mehr als 1.600 Sprachen unterstützt – ein Quantensprung gegenüber OpenAIs Whisper, das lediglich 99 Sprachen abdeckt. Das Modell setzt damit neue Maßstäbe in der globalen Sprachtechnologie.

Die Architektur von Omnilingual ASR ist so konzipiert, dass Entwickler die Sprachunterstützung auf tausende weitere Sprachen erweitern können. Durch ein Feature namens „Zero‑Shot In‑Context Learning“ können Anwender dem Modell bei der Inferenz ein paar Audio‑Text‑Paare einer neuen Sprache vorlegen. Auf dieser Basis transkribiert das System anschließend weitere Sätze in dieser Sprache, ohne dass ein erneutes Training nötig ist. Dadurch kann die Abdeckung auf über 5.400 Sprachen ausgeweitet werden – praktisch jede gesprochene Sprache mit bekannter Schrift.

Dieses Vorgehen markiert einen Paradigmenwechsel von statischen Modellen hin zu einem flexiblen Rahmen, den Gemeinschaften selbst anpassen können. Während die 1.600 Sprachen die offiziell trainierten Varianten darstellen, zeigt die erweiterte Zahl die generelle Fähigkeit des Modells, bei Bedarf zu generalisieren. Damit ist Omnilingual ASR das bislang erweiterbarste Spracherkennungssystem.

Besonders erfreulich ist, dass das System unter der offenen Apache‑2.0‑Lizenz veröffentlicht wurde. Im Gegensatz zu früheren Meta‑Releases, die mit restriktiven Llama‑Lizenzen verbunden waren, können Forscher und Entwickler das Modell sofort und kostenfrei in Forschung, Produktentwicklung und kommerziellen Projekten einsetzen.

Die Veröffentlichung erfolgte am 10. November auf der Meta‑Website, GitHub, Hugging Face und in einem Demo‑Space. Begleitend dazu wurde ein technisches Papier veröffentlicht. Omnilingual ASR umfasst eine Familie von Spracherkennungsmodellen, darunter ein 7‑Billionen‑Parameter‑Modell für mehrsprachige Audio‑Repräsentationen.