GLM-ASR

一、项目概览

GLM-ASR 是由 zai-org 团队开发的开源语音识别项目，参数规模达 1.5B，是一款兼顾轻量化与高性能的语音识别解决方案，专为真实场景的复杂性设计，既能精准处理常规语音，也能攻克低音量、方言、噪声环境等棘手问题，同时支持多语言识别，适用场景广泛。

二、核心功能

1. 能听懂多种方言和小声音：不仅会识别标准普通话和英语，对粤语等方言优化效果极佳；就算是特别小声的说话（比如安静环境下的低语），也能精准捕捉，不会像传统模型那样“听不清”。
2. 识别准确率超高：在中文相关的权威测试（如会议场景测试 Wenet Meeting、普通话标准测试 Aishell-1）中表现顶尖，平均错误率仅 4.10%，比同类开源模型甚至 OpenAI 的 Whisper V3 更靠谱。
3. 支持17种语言：日常常用的英语、日语、法语、德语等都能识别，其中普通话、英语、西班牙语等8种语言的识别错误率低于10%（接近母语级），其余9种语言错误率也不超过20%，满足多场景使用。

三、技术基础

• 底层技术：基于 FLEURS 基准数据集训练，可兼容 transformers 库（将支持 5.x 版本），同时适配 vLLM、SGLang 等推理框架，部署和集成更便捷。
• 核心优势：在 15 亿参数的轻量化规模下，实现了复杂声学环境（如噪声、多人重叠说话）的高效识别，兼顾性能与实用性。