Voice Arena 发布 Monsoon 语音数据集：50 种语言、10 万小时

Voice Arena 在悉尼 Interspeech 上推出 Monsoon ASR 语料库，覆盖 50 种语言共 10 万小时，主打英语之外的长尾语言。在孟加拉语 FLEURS 基准上，用 Monsoon 微调 Whisper Medium 后，LLM 词错率从 85.27% 降到 7.65%。上线 7 天内已有 80 多家机构申请授权，实验室可先通过其模型 API 在自己的内部基准上测试效果。计划到 2026 年 2 月扩展到 100 种语言，2027 年底达到 1,000 种。