Xiaomi 發表了用於語音辨識的 MiMo-V2.5-ASR 模型

Xiaomi 公司發布了一款專門用於自動語音辨識 (ASR) 的神經網路模型 MiMo-V2.5-ASR。該解決方案專為複雜的聲學環境而設計，並支援處理帶有背景噪音的音訊串流。

該模型功能廣泛：它能辨識英語和中文，包括各種方言。系統具備處理語碼轉換 (code-switching)、辨識歌詞以及進行多人對話轉錄的能力。其關鍵特性之一是內建支援即時自動標點符號添加。

該模型的技術規格與權重可在 Hugging Face 平台上供下載。開發人員可以將 MiMo-V2.5-ASR 整合到自己的應用程式中，以建立語音控制系統、會議自動轉錄服務或用於處理嘈雜環境音訊內容的工具。

對於從業者而言，這意味著出現了一款現成的工具，降低了建立適應多語言與複雜使用場景的語音辨識系統的門檻。該模型有助於縮短針對需要高抗干擾能力任務的自有轉錄系統進行微調的時間。