• 语音
• 人工智能
• 基础模型

omniASR-LLM-3B 是 Meta 开源的多语言语音识别模型，支持 1600+ 种语言。它的能力就藏在一串看似简单的"语言代码"里：eng_Latn表示英文（拉丁字母）、cmn_Hans表示普通话（简体）。本文用 3 步带你彻底看懂这些语言代码的规则、查全清单的方法和实际用法。

omniASR-LLM-3B 是什么？

🎙️ 它属于 Meta AI 发布的Omnilingual ASR（全语言语音识别）模型家族，是一个端到端的多语言 ASR 模型，核心亮点有 3 个：

• 支持 1600+ 种语言，覆盖拉丁、阿拉伯、天城文、西里尔等多种文字系统
• 其中专门针对348 种低资源语言做了加强（这部分数据来自开源语料库facebook/omnilingual-asr-corpus）
• 支持可选语言条件输入（language conditioning）：告诉模型"这是什么语言"，识别更准

当前仓库就是模型的权重文件集合，共 3 个核心文件：

💡 硬件参考：BF16 推理大约需要10 GiB 显存，速度约为 1 倍实时（30 秒音频约 3 秒出结果）。

第1步：拆解语言代码格式 {language}_{script}

所有语言代码都遵循统一格式：{语言代码}_{文字系统}，中间用下划线分隔。

以cmn_Hans为例拆解：

再看几个常见例子感受一下：

❓为什么要区分文字系统？因为同一种语言可能用不同文字书写（如繁体/简体），而不同语言也可能共用一种文字。精确到文字系统后，模型能锁定正确的字符集合与发音规则，多语言混批处理时也不会"串味"。

完整的格式说明可参见 README.md。

第2步：3 行代码查看 1600+ 语言完整清单

想看全量支持语言清单？无需翻文档，安装官方推理库后，程序化查询最方便（参考 README.md 的 Supported Languages 章节）：

pip install omnilingual-asr

from omnilingual_asr.models.wav2vec2_llama.lang_ids import supported_langs print(f"Total supported languages: {len(supported_langs)}") # 查看总数 print(supported_langs) # 打印全部 1600+ 语言代码

判断某个语言是否被支持也很简单：

if "eng_Latn" in supported_langs: print("English (Latin script) is supported!")

第3步：把语言代码用进语音识别

omniASR-LLM-3B 的推理接口接收一个lang参数，把语言代码"喂"给模型即可（这就是所谓的语言条件输入）：

from omnilingual_asr.models.inference.pipeline import ASRInferencePipeline pipeline = ASRInferencePipeline(model_card="omniASR_LLM_3B") audio_files = ["/path/to/eng_audio1.flac", "/path/to/deu_audio2.wav"] lang = ["eng_Latn", "deu_Latn"] # 每条音频对应一个语言代码 transcriptions = pipeline.transcribe(audio_files, lang=lang, batch_size=2)

注意lang列表和audio_files列表一一对应：第 1 条是英语音频就写eng_Latn，第 2 条是德语音频就写deu_Latn。这样即使一个批次里混着不同语言，模型也能各识各的。

新手常见问题

• 不知道自己的语言代码怎么办？用上面supported_langs打印全表，按"语言_文字"规律搜索即可。
• 不指定语言可以吗？本模型是"可选"语言条件（optional language conditioning），不指定时模型会自行判断，但指定语言通常更精准。
• 许可证限制吗？模型与代码采用 Apache-2.0，配套语料库facebook/omnilingual-asr-corpus为 CC-BY-4.0，商用友好。
• 想要其他规模？同家族还有 300M / 1B / 7B 等版本，参数量与显存占用对照表见 README.md。

📌 一句话总结：记住{语言}_{文字}这个格式，再用supported_langs查表、用lang参数传值，3 步即可玩转 omniASR-LLM-3B 的 1600+ 语言支持。

• 语音
• 人工智能
• 基础模型