HojoAI 发布多语言对话 ASR 模型，覆盖九大语种抗噪识别
rohanpaul_ai · x · 2026-10-16
HojoAI 在 Hugging Face 开源 Hojo-ASR-Multi-V1（Apache 2.0），是基于 Qwen3 LLM 解码器的对话语音识别模型，采用 Encoder-Adapter-LLM 架构并定制多帧声学融合结构。
- 经多阶段模块化训练与强化学习优化，在噪声、非正式发音、口语修正等复杂真实场景表现良好
- 支持德、法、西、葡、日、意、阿、韩、俄等主要语言
- 提供 hojo-asr PyPI 包，pip 安装后几行 Python 即可加载推理
评论者建议的实测方法：将其与现有 ASR 方案在同一音频条件下对比，公布硬件、设置、标注与原始输出，找出 3.54 WER 在哪里失效。
所属事件:HojoAI 开源多语言 ASR 模型 Hojo-ASR，平均 WER 低至 3.54(2 条相关)→
「多模态」频道最新
- Pollo 推出 Recast 视频重绘工具,保留动作与口型,限时六折 — SimplyAnnisa · 2026-10-16
- Tripo 旧金山办首届 3D 世界构建黑客松,World Labs 与 Runway 亮相 — mhdfaran · 2026-10-16
- Kling 4.0 强化文生视频：角色一致性、口型同步与对话表现升级 — CurieuxExplorer · 2026-10-16
- 5.8M 参数语音事件检测器：为 Whisper 转录补上笑声呼吸与背景音 — Ayush Kumar Bar · 2026-10-16
- 华为等提出 SUPRA-Tex：单图生成可重打光 3D 材质，所见即所得 — Chen Yang · 2026-10-16
- AI 生成「巨人 MJ」时装图爆火:夸张比例撞出超现实时尚感 — OVolosin82152 · 2026-10-16