語音AI公司Wispr完成2500萬美元B+輪融資，總融資額達8100萬美元。其產品Flow Dictation上線三個月後，50%字符通過語音輸入，已服務270家財富500強企業及125家付費機構。用戶年同比增長100倍，12個月留存率70%，月環比增速穩定在40%。自研ASR錯誤率僅10%，技術表現突出。
Meta發佈Omnilingual ASR系統，突破AI語音技術侷限，首次實現對1600種語言的高精度識別。系統採用“上下文學習”機制，僅需少量音頻樣本即可快速學習新語言。這一開源技術打破語言“精英壟斷”，推動數字平權，助力瀕危和小語種社區融入AI時代。
Meta推出Omnilingual ASR語音識別系統，支持轉錄1600多種語言，其中500種語言首次被AI覆蓋。該系統旨在解決全球7000多種語言中多數缺乏AI支持的問題，突破以往僅聚焦幾百種主流語言的侷限。
Meta推出Omnilingual ASR自動語音識別系統，支持轉錄超1600種口語語言，旨在解決AI工具語言覆蓋不足問題。該系統突破傳統僅專注少數主流語言的侷限，推動實現“通用轉錄系統”目標，助力彌合全球數千種語言缺乏AI支持的差距。
提供語音AI的ASR、TTS和LLM模型，可測試部署用於即時應用。
Nexa SDK可在數分鐘內將AI模型部署到任何設備上，快速、私密且適用於多場景。
PengChengStarling 是一個基於 icefall 項目的多語言自動語音識別（ASR）模型開發工具包。
百聆是一個類似GPT-4o的語音對話機器人，通過ASR+LLM+TTS實現，低配置也可運行，支持打斷。
Vikhrmodels
Borealis 是首款面向俄語的自動語音識別（ASR）音頻大語言模型，經過約7000小時俄語音頻數據訓練。該模型支持識別音頻中的標點符號，架構受Voxtral啟發但有所改進，在多個俄語ASR基準測試中表現優異。
openchs
基於OpenAI Whisper Large v2在Common Voice 17.0斯瓦希里語數據集上微調的語音識別模型，專為坦桑尼亞兒童求助熱線的斯瓦希里語語音識別任務設計，相比基礎模型在斯瓦希里語識別準確率上有顯著提升。
MediaTek-Research
Breeze ASR 25 是一款基於 Whisper-large-v2 微調的先進自動語音識別模型，特別優化了臺灣普通話和普通話-英語代碼切換場景的識別能力。
unsloth
Whisper是一個預訓練的自動語音識別(ASR)和語音翻譯模型，通過68萬小時標註數據訓練，具有強大的泛化能力。
Whisper是OpenAI開發的最先進的自動語音識別(ASR)和語音翻譯模型，在超過500萬小時的標記數據上訓練，具有強大的零樣本泛化能力。Turbo版本是原版的修剪微調版本，解碼層從32層減少到4層，速度大幅提升但質量略有下降。
Whisper是OpenAI開發的最先進的自動語音識別(ASR)和語音翻譯模型，支持多種語言
istupakov
NVIDIA Parakeet TDT 0.6B V2 是一個基於自動語音識別（ASR）任務的模型，適用於英語語音轉文本任務。
mlx-community
該模型是基於FastConformer架構的日語自動語音識別(ASR)模型，由NVIDIA開發並轉換為MLX格式。
ibm-granite
Granite-speech-3.3-2b是IBM開發的緊湊高效語音語言模型，專為自動語音識別（ASR）和自動語音翻譯（AST）設計，採用雙通設計提高模塊化和安全性。
GigaAM v2 是一個自動語音識別（ASR）模型，支持俄語語音轉文本任務，提供CTC和RNN-T兩種架構。
benax-rw
KinyaWhisper是基於OpenAI Whisper模型微調的盧旺達語自動語音識別(ASR)系統，專為低資源土著語言設計。
專為自動語音識別(ASR)和自動語音翻譯(AST)設計的緊湊高效語音語言模型，採用雙階段設計處理音頻和文本
Purfview
Distil-Whisper是Whisper模型的蒸餾版本，針對自動語音識別(ASR)任務進行了優化，提供更快的推理速度。
sbapan41
Quantum_STT 是一種先進的自動語音識別（ASR）和語音翻譯模型，基於大規模弱監督訓練，支持多種語言和任務。
asr-africa
基於facebook/w2v-bert-2.0微調的豪薩語語音識別模型，在500小時豪薩語數據上訓練，詞錯誤率7.47%
waveletdeboshir
GigaAM-v2-RNNT 是一個俄語自動語音識別（ASR）模型，基於RNNT架構，適用於語音轉文本任務。
Granite-speech-3.2-8b 是一款緊湊高效的語音語言模型，專為自動語音識別（ASR）和自動語音翻譯（AST）設計。
pluttodk
目前最快的丹麥語ASR模型，是hviske-v2的蒸餾版本，速度提升約4倍且保持準確率不變。
GigaAM-v2-CTC 是一個俄語自動語音識別(ASR)模型，基於CTC損失函數訓練，可通過Hugging Face transformers庫使用。
junnei
基於microsoft/Phi-4-multimodal-instruct微調的韓語自動語音識別(ASR)和語音翻譯(AST)模型，在zeroth-korean和fleurs數據集上表現優異。
ASR MCP服務器是一個基於whisper引擎的自動語音識別服務，通過MCP工具提供語音合成功能，便於應用集成。
%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)
