开源多语言语音识别模型 Hojo-ASR-Multi-V1 发布，平均 WER 3.54

Hojo-ASR-Multi-V1 是一个开源多语音识别模型，在 5 种语言上取得 3.54 的平均 WER（词错误率）。它采用 Encoder、Adapter 加 LLM 的架构，用 Qwen3-4B 作为解码器，让转写结果同时利用声学特征和 LLM 的语言知识，从而更好地消歧发音相近的词。模型以 Apache 2.0 许可发布在 Hugging Face，可通过 hojo-asr Python 包安装，支持本地推理，输入支持 WAV 路径、音频字节流和 SCP 格式。