AI视频生成技术飞速发展，但主流AI聊天机器人却难以识别深度伪造内容。研究显示，面对OpenAI自家Sora生成的虚假视频，ChatGPT识别错误率高达92.5%，暴露了AI在内容真实性判断上的严重短板。
日本数据科学家本田崇人推出开源编程语言“Sui”，旨在解决大语言模型生成代码的准确性问题，宣称可实现100%准确率。其设计理念源于日本美学“粋”，强调精炼与去除冗余，核心原则包括保证零语法错误率，并使用数字作为变量。
阿里通义千问发布新一代语音合成模型Qwen3-TTS，免费向全球开发者开放。该模型提供49种多角色音色，支持10种主流语言及10种中国方言，在词错误率上表现优于同类产品，拟人化程度高。音色库涵盖多样角色设定，如“撒娇搞怪茉兔”等，即选即用。
智谱AI推出GLM-ASR系列开源语音识别模型，并发布桌面端“智谱AI输入法”，提升PC语音输入体验。其中GLM-ASR-2512云端模型支持实时转写，在复杂环境中表现优异，字符错误率（CER）极低。
Alibaba
-
Input tokens/M
Output tokens/M
Context Length
Baidu
32
Openai
$14
$56
200
Anthropic
$21
$105
abr-ai
这是一个由Applied Brain Research（ABR）开发的基于状态空间模型（SSM）的英文自动语音识别模型，拥有约1900万参数，能够高效准确地将英文语音转录为文本。该模型在多个基准数据集上表现出色，平均单词错误率仅为10.61%，支持实时语音识别并可在低成本硬件上运行。
adoamesh
本模型是基于OpenAI Whisper-small模型针对斯瓦希里语进行微调的自动语音识别模型。在FLEURS-SLU数据集的斯瓦希里语部分进行训练，显著提升了斯瓦希里语的转录准确率，单词错误率相比基础模型降低了68%。
kalilouisangare
这是一个基于 OpenAI Whisper Small 模型微调的班巴拉语语音识别模型，在 24738 个班巴拉语音频样本上训练，能够将班巴拉语语音准确转录为文本，字符错误率低至 21.69%。
Ken-Z
本模型是基于OpenAI Whisper-small在拉丁语上微调的自动语音识别模型，使用67小时拉丁语音频数据训练，字符错误率（CER）为20，支持拉丁语语音转文本任务。
jacktol
基于OpenAI Whisper Large v3模型微调的航空交通管制语音识别模型，专门针对ATC通信场景优化，在测试集上实现了6.5%的字错误率，显著提升了航空通信转录的准确性。
AbdelrahmanHassan
本模型是基于OpenAI的Whisper Large V3模型，使用LoRA方法在埃及阿拉伯语方言数据集（Egyptian-ASR-MGB-3）上进行微调的自动语音识别模型。它专门优化了对埃及阿拉伯语方言的识别能力，显著提升了在该方言上的词错误率（WER）性能。
IbrahimAmin
这是一个基于wav2vec2-large-xlsr-53架构微调的自动语音识别模型，专门针对埃及阿拉伯语、现代标准阿拉伯语和海湾/黎凡特阿拉伯语进行优化。模型在多种阿拉伯语语音数据集上训练，在通用语音17.0阿拉伯语测试集上达到27.20%的词错误率，优于多个同类模型。
vishwasgautam
该模型是基于facebook/wav2vec2-base在LibriSpeech数据集上微调的语音识别模型，在评估集上取得了0.3174的词错误率。
asr-africa
基于facebook/w2v-bert-2.0微调的豪萨语语音识别模型，在500小时豪萨语数据上训练，词错误率7.47%
navin-kumar-j
该模型是基于OpenAI的Whisper Small在泰米尔语Common Voice 17.0数据集上微调的语音识别模型，词错误率(WER)为43.23%。
Tejveer12
基于OpenAI Whisper-large-v3-turbo微调的印度英语口音语音识别模型，在印度英语口音数据集上取得7.99%的词错误率
mozilla-ai
这是一个基于法语数据集微调的Whisper-small语音识别模型，词错误率相比基线模型降低了6.793个百分点。
基于Whisper-large-v3-turbo微调的印度英语口音语音识别模型，词错误率4.39%
Alvenir
基于Whisper Large v3训练的丹麦语语音识别模型，在CoRaL数据集上微调，具有优异的词错误率和字符错误率表现。
KBLab
瑞典国家图书馆发布的Whisper模型，专为瑞典语语音识别优化，相比OpenAI原版显著降低错误率。
瑞典国家图书馆发布的基于Whisper架构的瑞典语语音识别模型，训练数据超过5万小时，显著降低词错误率。
KB-Whisper Base是瑞典国家图书馆发布的瑞典语语音识别模型，基于OpenAI的Whisper架构，在超过50,000小时瑞典语语音数据上训练。相比OpenAI的whisper-large-v3模型，平均降低47%的词错误率（WER），显著提升了瑞典语语音识别的准确率。
seyyaw
基于openai/whisper-small微调的阿姆哈拉语语音识别模型，在评估集上词错误率为2.0538%
NLPVladimir
该模型是基于facebook/wav2vec2-xls-r-300m在common_voice_17_0数据集上微调的俄语自动语音识别(ASR)模型，词错误率(WER)为0.195。
abduaziz
基于OpenAI Whisper-small微调的塔吉克语自动语音识别模型，在Google Fleurs数据集上训练，词错误率24.26%。
TransformersOther%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
