omniASR-LLM-7B-v2
Meta · États-Unis
- Poids ouverts
- Licence : Apache 2.0
- Français annoncé
En bref : 18e sur 39 en transcription en français ; 43e sur 53 en transcription en anglais (Open ASR).
Présentation
Modèle ouvert de reconnaissance vocale de la famille Omnilingual ASR de Meta, version v2 de décembre 2025 qui associe l'encodeur audio à un décodeur de type LLM. On peut lui indiquer la langue attendue, et il couvre plus de 1600 langues. Lu sur raw.githubusercontent.com, le 17/10/2026.
- Sortie
- décembre 2025 lu sur la page de l'éditeur
- Taille
- 7,8 milliards de paramètres lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : plus de 1600 langues, dont le français. Lu sur raw.githubusercontent.com.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 18e sur 39 en transcription en français (5,25 %).
Ses 2 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Transcription
Transcription en français
18e sur 39taux d'erreur par mot 5,25 %
Vitesse : RTFx 48 : transcrit 48 secondes d'audio par seconde de calculPar jeu de test : Common Voice 7,26 %, FLEURS 5,19 %, MLS 3,30 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
- En anglais · Transcription
Transcription en anglais, Open ASR
43e sur 53taux d'erreur par mot 8,13 %
Vitesse : RTFx 129 : transcrit 129 secondes d'audio par seconde de calculPar jeu de test : AMI-Cleaned 13,86 %, Earnings22-Cleaned-AA-chunked 11,44 %, Gigaspeech-Cleaned 9,20 %, LS Clean 1,35 %, LS Other 3,25 %, Private (conversational) 15,85 %, Private (scripted) 7,56 %, SPGISpeech 3,22 %, URGENT24 14,84 %, Voice Arena Monsoon 4,87 %, Voxpopuli-AA-Cleaned 4,03 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en français : devant, Phi-4-multimodal-instruct (17e, 5,04 %) · derrière, Parakeet TDT 0.6B V3 (19e, 5,30 %)
- Transcription en anglais, Open ASR : devant, OWSM-CTC v4 (42e, 8,08 %) · derrière, VibeVoice-ASR-HF (44e, 8,16 %)
Comment lire ces chiffres
Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
facebook/omniASR-LLM-7B-v2 - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://raw.githubusercontent.com/facebookresearch/omnilingual-asr/main/README.md (« ## December 2025 Update »), 17/10/2026
- https://raw.githubusercontent.com/facebookresearch/omnilingual-asr/main/README.md (« We release two suites of models: - Checkpoints of improved accuracy (CER) for the CTC and LLM-ASR models compared to our existing LLM-ASR model (`omniASR_{CTC,LLM}_{300M,1B,3B,7B}_v2`). »), 17/10/2026
- https://raw.githubusercontent.com/facebookresearch/omnilingual-asr/main/README.md (« Omnilingual ASR is an open-source speech recognition system supporting over 1,600 languages »), 17/10/2026
- https://raw.githubusercontent.com/facebookresearch/omnilingual-asr/main/per_language_results_table_7B_llm_asr.csv (« fra_Latn,4615.1,2.2 »), 17/10/2026
- https://raw.githubusercontent.com/facebookresearch/omnilingual-asr/main/README.md (« | [`omniASR_LLM_7B_v2`](https://dl.fbaipublicfiles.com/mms/omniASR-LLM-7B-v2.pt) | ASR with optional language conditioning | 7_801_041_536 | »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.