聯發科 Breeze-ASR-25：基於 Whisper 的繁中特化 ASR，中英混用辨識錯誤率砍 55%
title: "聯發科 Breeze-ASR-25：基於 Whisper 的繁中特化 ASR，中英混用辨識錯誤率砍 55%" date: 2026-03-30 source: https://huggingface.co/MediaTek-Research/Breeze-ASR-25 category: articles tags:
- 聯發科
- ASR
- Whisper
- 繁體中文
- 語音辨識
- 開源 created: 2026-03-30 updated: 2026-03-30
聯發科 Breeze-ASR-25：基於 Whisper 的繁中特化 ASR，中英混用辨識錯誤率砍 55%
概要
Breeze-ASR-25 是聯發科研究院（MediaTek Research）推出的語音辨識模型，基於 Whisper-large-v2 微調，專為繁體中文和中英混用場景優化。
- HuggingFace：MediaTek-Research/Breeze-ASR-25
- GitHub：mtkresearch/Breeze-ASR-25
- 論文：arxiv.org/pdf/2506.11130
三大特色
- 強化繁體中文情境辨識
- 強化中英混用辨識——句內切換（code-switching）和句外切換都支援
- 強化時間戳對齊——適合自動字幕生成
效能數據（vs Whisper-large-v2）
中英混用（最大亮點）
- CSZS 資料集：WER 從 29.49 降到 13.01（-55.88%）
- ASCEND 混合語言：WER 從 21.01 降到 16.38（-22.01%）
繁體中文
- CommonVoice16 繁中：WER 從 9.84 降到 7.97（-19%）
- ML-lecture 長音頻：WER 從 6.13 降到 4.98（-18.76%）
英文
- ASCEND 英文：WER 從 27.36 降到 26.64（-2.63%，微幅改善）
中英混用實際範例
聯發科 24 週年影片中的中英混用語音：
Breeze-ASR-25 辨識結果：
面對不知道的我們怎麼用 open mind open heart 的心情去 explore 那 explore 過程也就是持續學習 不斷創新 當然如果能帶領 MediaTek 說達到這樣的 position 對做這樣的事情那覺得是一個 commitment 那也是一個 passion 那可以一直很努力的投入在做
Whisper-large-v2 辨識結果：
面對不知道的我們怎麼用開放心情去探索 把它探索過程也就是 仔細學習 不斷創新 ...那覺得是一個貢獻那也是一個熱誠
差異很明顯：Whisper 會把英文強制翻成中文（open mind → 開放、passion → 熱誠），Breeze-ASR-25 保留了原始的中英混用，這對台灣的實際使用場景精準得多。
訓練資料
- 中文全部用合成語音：10,000 小時 ODC Synth（用 BreezyVoice TTS 生成）
- 英文：CommonVoice17（1,738 小時）
- 混合語言：NTUML2021（11 小時）+ 資料增強
- 授權：全部使用寬鬆開源授權
核心觀點
1. 台灣場景目前最強的開源 ASR
台灣人說話本來就大量中英混用。Whisper 會把英文翻成中文，Cohere Transcribe 主打全語言通用但不特別優化混用。Breeze-ASR-25 是唯一專門為「台灣人說話的方式」優化的模型。
2. 中文訓練全用合成語音是亮點
10,000 小時合成語音，避開了中文語音資料的版權問題。這和 Mistral Voxtral TTS 是同一個趨勢：合成語音品質好到可以拿來訓練 ASR。
3. 和知識庫其他語音 AI 文章的關聯
- Cohere Transcribe：全語言通用冠軍（WER 5.42%）
- Mistral Voxtral TTS：文字→語音，開源 3B 模型
- Breeze-ASR-25：繁中 + 中英混用特化，台灣場景最強
- Suno v5.5：語音克隆
四篇合在一起就是 2026 年 Q1 語音 AI 的完整地圖。