让 AI 覆盖更多语言
人工智能正在快速改变我们的生活,但其应用在语言层面仍高度集中在英语、中文等少数主流语言。全球约7000种语言中,能被AI支持的仅是冰山一角,大量人口因此被“排除”在数字化浪潮之外。
NVIDIA 正试图填补这一空白。 这家芯片与AI巨头宣布推出一套全新开源工具,帮助开发者为 25种欧洲语言 构建高质量语音AI,其中不仅包含德语、法语等主流语言,还包括克罗地亚语、爱沙尼亚语、马耳他语等经常被科技巨头忽视的小语种。
NVIDIA表示,目标是让开发者能够打造更贴近现实的应用——从能真正听懂母语的客服机器人,到反应迅速的多语种翻译服务,再到个性化语音助手。

核心资源:Granary 语音库
此次计划的核心是 Granary ——一个包含约 100万小时人类语音 的庞大数据集。与传统数据集不同,Granary的音频经过精心筛选与处理,能帮助AI学习复杂语音识别与翻译的细节。
为了让开发者直接利用这些资源,NVIDIA还同步推出两款专为语言任务设计的AI模型:
Canary-1b-v2:适用于高精度转录和翻译,性能可媲美体量更大的模型,但运行效率显著提升。
Parakeet-tdt-0.6b-v3:面向实时应用,能快速处理会议录音和实时语音输入,注重速度与灵活性。
据悉,这些工具及数据集已在 Hugging Face 平台 向开发者开放,相关研究论文将在荷兰 Interspeech 2025 大会上正式发表。
自动化数据处理:突破瓶颈
AI的强大依赖于大规模训练数据,但传统人工标注不仅成本高昂,还效率低下。为此,NVIDIA语音AI团队与 卡内基梅隆大学 和 布鲁诺·凯斯勒基金会 合作,构建了一套自动化数据处理流程。
借助NVIDIA自家的 NeMo工具包,研究团队将海量未经标注的原始音频自动转化为可供AI学习的结构化数据。这一创新显著提升了效率——研究显示,Granary数据集在达到相同准确率的情况下,所需数据量仅为其他流行数据集的一半。
两款新模型的实力
Granary带来的优势在新模型中得以充分体现:
Canary:在翻译和转录任务中表现出色,精度接近比其大三倍的模型,但速度却快约10倍。
Parakeet:可一次处理长达24分钟的多语言会议录音,能自动检测所使用的语言,还能识别标点、大写字母,并提供单词级时间戳。
这些特性让开发者能够构建更专业的语音AI应用,覆盖教育、医疗、客服和会议记录等场景。
数字包容性的新机遇
NVIDIA强调,这不仅仅是一项技术突破,更是一次 数字包容性飞跃。过去,小语种常被主流科技公司忽略,导致数以亿计的用户无法享受语音AI带来的便利。如今,来自里加、萨格勒布甚至更小语种社区的开发者,终于有机会打造属于自己的语音应用。
这也意味着,未来无论是在爱沙尼亚的诊所,还是马耳他的企业客服,AI都能准确理解并响应本地语言,真正打破技术应用的语言壁垒。
评论:AI的下一个战场
从更宏观的角度看,NVIDIA的多语言语音AI计划,代表着人工智能竞争正进入一个新的阶段:谁能为更多语言服务,谁就能赢得更广泛的市场。
这对欧洲尤其重要——一个多语言并存的大陆,语言多样性既是文化财富,也是AI落地的挑战。NVIDIA的举动,不仅是商业扩张,更是一次提升技术公平性的尝试。
当然,挑战依旧存在。如何确保不同语言语料的质量,如何避免AI在小语种中出现偏差和歧义,仍需要持续研究。但至少,目前NVIDIA已经为全球开发者社区打开了一扇新门。
换句话说,这不仅仅是NVIDIA发布的一款产品,而是一场 让AI听懂更多人声音的革命。