BuzzASR提升小语种语音识别精度

BuzzASR模型集在102种语言中的77种上超越了Whisper-large-v3，平均字符错误率（CER）降低了2.8倍以上。

此前主流端到端语音识别模型多为多语言训练，导致在训练数据较少的小语种上表现不佳。虽然单语微调已知有效，但此前仅应用于少数语言。

该研究将单语微调策略规模化至102种语言，并引入分词器替换技术，使压缩率平均提升3.3倍。所有模型、代码及详细结果已开源。