/ Модель

Характеристики

Контекст
8 192 токена
Лицензия
Apache 2.0
Архитектура
omniasr_llm · dense
Базовая модель
omniASR-LLM-300M
Опубликована
20 апр 2026

omniASR-LLM-300M

Распознавание речиАудио → текст7 профессий

Многоязычная модель Meta AI для распознавания речи более чем на 1600 языках, упакованная для интеграции с vLLM.

119скачиваний за 30 дней0лайковвеса обновлены14 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ziywang50/omniASR-LLM-300M — совместимая с Hugging Face копия модели omniASR-LLM-300M от Meta AI, подготовленная для интеграции с vLLM. Согласно карточке, веса совпадают с оригиналом; изменена упаковка: добавлены конфигурация модели и токенизатора, а также таблица языковых идентификаторов.

Модель предназначена для автоматического распознавания речи и поддерживает более 1600 языков. Она принимает аудио и преобразует речь в текст. Репозиторий содержит веса в формате safetensors; в README приведён запуск через vLLM. Модель относится к семейству OmniASR-LLM, архитектура — плотная условная генерация. Лицензия Apache 2.0.

В README не указаны точный размер именно этой версии и длина контекста. Для обработки аудио в исходной инструкции также упоминается необходимость libsndfile при использовании справочного пайплайна; требования vLLM могут отличаться.

Сценарии применения

  • транскрибация аудиозаписей
  • распознавание речи на малоресурсных языках
  • создание многоязычных субтитров
  • преобразование речи в текст в приложениях на vLLM

Ограничения

README не раскрывает полный список языков, а только указывает поддержку более 1600 языков; в метаданных коды языков отсутствуют. Для справочного пайплайна распознавания в README указана зависимость от libsndfile.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

omniASR-LLM-300M — vLLM-Compatible Fork

HuggingFace-compatible fork of facebook/omniASR-LLM-300M, converted for vLLM integration.
Model weights are identical to the original. Only the packaging has changed.

What Changed

ChangeReason
Added config.json (OmniASRConfig format)Original has no HuggingFace config; vLLM needs one
Added tokenizer_config.jsonHuggingFace tokenizer auto-detection
Added lang_lookup.jsonLanguage ID lookup table for multi-language support
Converted checkpoint to model.safetensorsvLLM requires safetensors format
Renamed omniASR_tokenizer.model → tokenizer.modelHuggingFace tokenizer convention
Removed omniASR-LLM-300M.ptRedundant with safetensors; saves ~6.5 GB

Usage with vLLM

Start the server:

vllm serve ziywang50/omniASR-LLM-300M \
    --enforce-eager \
    --dtype bfloat16 \
    --attention-backend TRITON_ATTN

Note: --attention-backend TRITON_ATTN is required because OmniASR's decoder uses head_dim=512, which exceeds FlashAttention's supported range.

Transcribe audio (OpenAI-compatible API):

from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="dummy")

with open("audio.wav", "rb") as f:
    result = client.audio.transcriptions.create(
        model="ziywang50/omniASR-LLM-300M",
        file=f,
        language="en",  # optional: ISO-639-1 or OmniASR native code (e.g., "eng_Latn")
    )
print(result.text)

Other Variants

VariantForkStatus
300Mziywang50/omniASR-LLM-300M✅ Tested
1Bziywang50/omniASR-LLM-1B✅ Tested
3Bziywang50/omniASR-LLM-3B✅ Tested
7Bziywang50/omniASR-LLM-7B✅ Tested

All forks are part of vLLM PR #36864 adding OmniASR support to vLLM.


Original Model Card

Everything below is from the original facebook/omniASR-LLM-300M model card.

Omnilingual ASR: Open-Source Multilingual Speech Recognition for 1600+ Languages

Model Card for omniASR-LLM-300M

Model Description

This model is part of the Omnilingual ASR family released by Meta AI. The original suite includes:

Model NameFeaturesParametersDownload Size (FP32)Inference VRAM¹Real-Time Factor¹ (relative speed)²
omniASR_W2V_300MSSL317_390_5921.2 GiB
omniASR_W2V_1BSSL965_514_7523.6 GiB
omniASR_W2V_3BSSL3_064_124_67212.0 GiB
omniASR_W2V_7BSSL6_488_487_16825.0 GiB
omniASR_CTC_300MASR325_494_9961.3 GiB~2 GiB0.001 (96x)
omniASR_CTC_1BASR975_065_3003.7 GiB~3 GiB0.002 (48x)
omniASR_CTC_3BASR3_080_423_63612.0 GiB~8 GiB0.003 (32x)
omniASR_CTC_7BASR6_504_786_13225.0 GiB~15 GiB0.006 (16x)
omniASR_LLM_300MASR with optional language conditioning1_627_603_5846.1 GiB~5 GiB0.090 (~1x)
omniASR_LLM_1BASR with optional language conditioning2_275_710_5928.5 GiB~6 GiB0.091 (~1x)
omniASR_LLM_3BASR with optional language conditioning4_376_679_04017.0 GiB~10 GiB0.093 (~1x)
omniASR_LLM_7BASR with optional language conditioning7_801_041_53630.0 GiB~17 GiB0.092 (~1x)
omniASR_LLM_7B_ZSZero-Shot ASR7_810_900_60830.0 GiB~20 GiB 0.194 (~0.5x)

¹ (batch=1, audio_len=30s, BF16, A100)

² Relative speed to omniASR_LLM_7B


Installation

The models were developed using fairseq2, a research-focused sequence modeling toolkit. While we provide a reference inference pipeline that works across platforms, audio support requires libsndfile (Mac: brew install libsndfile; Windows may need an additional setup).

# using pip
pip install omnilingual-asr

# using uv
uv add omnilingual-asr

Inference

from omnilingual_asr.models.inference.pipeline import ASRInferencePipeline

pipeline = ASRInferencePipeline(model_card="omniASR_LLM_7B")

audio_files = ["/path/to/eng_audio1.flac", "/path/to/deu_audio2.wav"]
lang = ["eng_Latn", "deu_Latn"]
transcriptions = pipeline.transcribe(audio_files, lang=lang, batch_size=2)

Supported Languages

To view the full list of 1600+ supported languages, you can access the language list programmatically:

from omnilingual_asr.models.wav2vec2_llama.lang_ids import supported_langs

# Print all supported languages
print(f"Total supported languages: {len(supported_langs)}")
print(supported_langs)

# Check if a specific language is supported
if "eng_Latn" in supported_langs:
    print("English (Latin script) is supported!")

Languages follow the format {language_code}_{script}, for example eng_Latn - English (Latin script), cmn_Hans - Mandarin Chinese (Simplified), ...


Training

To further finetune the released checkpoints on your own data, use our data preparation guide followed by the finetuning recipe guide.


Citation

BibTeX:

@misc{omnilingualasr2025,
  title={{Omnilingual ASR}: Open-Source Multilingual Speech Recognition for 1600+ Languages},
  author={{Omnilingual ASR Team} and Keren, Gil and Kozhevnikov, Artyom and Meng, Yen and Ropers, Christophe and Setzler, Matthew and Wang, Skyler and Adebara, Ife and Auli, Michael and Can, Balioglu and Chan, Kevin and Cheng, Chierh and Chuang, Joe and Droof, Caley and Duppenthaler, Mark and Duquenne, Paul-Ambroise and Erben, Alexander and Gao, Cynthia and Mejia Gonzalez, Gabriel and Lyu, Kehan and Miglani, Sagar and Pratap, Vineel and Sadagopan, Kaushik Ram and Saleem, Safiyyah and Turkatenko, Arina and Ventayol-Boada, Albert and Yong, Zheng-Xin and Chung, Yu-An and Maillard, Jean and Moritz, Rashel and Mourachko, Alexandre and Williamson, Mary and Yates, Shireen},
  year={2025},
  url={https://ai.meta.com/research/publications/omnilingual-asr-open-source-multilingual-speech-recognition-for-1600-languages/},
}
  • Developed by: Meta AI / Omnilingual ASR Team(GitHub)
  • Model type: End-to-end automatic speech recognition model (wav2vec2-style encoder with CTC head / encoder-decoder, depending on checkpoint).
  • Language(s) (NLP): 1,600+ languages overall in Omnilingual ASR; this corpus release specifically covers 348 under-served languages across many writing systems (Latin, Arabic, Devanagari, etc.).(GitHub)
  • License: Apache-2.0 (for the model and code), CC-BY-4.0 for the facebook/omnilingual-asr-corpus dataset.(GitHub)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура omniasr_llm неизвестна transformers в образе рантайма.

Класс архитектуры
OmniAsrForConditionalGeneration
Ревизия весов
5aa5b38

0 моделей