GLM-ASR-Nano：高鲁棒性语音识别模型
来自 Z.ai Research · 期号 2025-12-10
摘要
智谱AI发布了GLM-ASR-Nano-2512，一个15亿参数的开源语音识别模型，专为真实世界的复杂语音场景设计。 它的核心设计原则是“重感知、极致压缩、轻量推理”。在开源模型中，它以4.10的平均错误率取得最佳表现，显著优于Whisper V3（6.93）。 模型在几个难点场景上做了专门优化：能准确识别粤语等方言的口语化表达和语气词；能自然处理中英混合语句；在低音量、嘈杂环境以及自定义热词识别上也有稳定表现。 模型支持17种语言，已在Hugging Face上开源。智谱AI输入法是其首个大规模生产级部署。