概念
也叫：自动语音识别
将语音转换为文本的技术
最近变化
2026-10-18 · 502期访谈全部使用本地ASR识别并配中文翻译
ASR 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
We’re proud to share that Meta Omnilingual Automatic Speech Recognition (ASR) has been named one of ...
AI at Meta(@AIatMeta) · 8.5 分
How AI Receptionists Work: The Architecture Behind AI Phone Agents
freeCodeCamp.org · 8.5 分
在 Codex/Claude Code 等 Coding Agents 领域，文字是主要的输入输出方式；而在更广泛的通用 Agents 领域，特别是陪伴、实时交互等 Agents 方面，实时语音交互非...
meng shao(@shao__meng) · 8.5 分
已收录 9 篇与「ASR」相关的 AI 资讯和分析。
Meta的Omnilingual ASR系统因支持1600种语言被《时代》评为2026年最佳发明。
入选理由：Meta Omnilingual ASR支持1600种语言，覆盖500种低资源语言。
AI接待员通过电话系统、语音识别和AI模型的协作实现自动化客户服务，其架构涉及多个技术组件的集成。
入选理由：SIP trunking是AI语音系统接入公共电话网络的关键技术，Twilio等提供相关服务
构建Voice Agent需结合ASR、VOD、TTS、LLM及WebRTC，Agora Skills可快速集成实现低延迟实时语音交互，响应仅1秒。
入选理由：使用Agora Skills可在2-3分钟内安装并集成RTC、RTM等组件，支持快速开发Voice Agent
Nemotron 3说话人分离模型支持8人同时跟踪且语言无关，但与ASR模型为独立组件。
入选理由：Nemotron 3可同时跟踪最多8个说话人
微软发布PazaBench V2基准测试，通过扩展非洲语言覆盖提升语音识别模型包容性。
入选理由：PazaBench V2新增20种非洲语言支持，覆盖区域扩展至撒哈拉以南非洲
语音代理开发采用级联架构优化各模块，但技术细节不足影响深度。
入选理由：99%代理使用级联架构实现模块独立优化
微软发布PazaBench第二版，用于评估非洲语言的自动语音识别模型。
入选理由：PazaBench第二版专注于非洲语言的ASR模型评估
Lex Fridman的502期访谈已整理，含ASR识别和中文翻译，但技术深度不足。
入选理由：502期访谈全部使用本地ASR识别并配中文翻译
牛津大学博士后Kevin Lin开源了视频翻译工具Violin，支持多语言翻译与视频对话功能。
入选理由：Violin整合ASR、LLM翻译和TTS技术
与「ASR」经常一起出现的 AI 术语。
💡 想追踪「ASR」的长期趋势？去 实体雷达 · ASR 查看详细分析和跨材料问答。
