哈利和马尔福一路旅行一路拌嘴，马尔福还用四川话骂人——这段抽象短剧，是拿来测国产开源 ASR 的。18 个镜头，三个 ASR 模型同场 PK：Ming-3.0-asr-tiny、Qwen3-ASR-1.7B、Whisper-large-v3。
Ming 表现稳定，对白基本识别正确，还能听七种语言，唯一的小毛病是几乎不加标点。再看官方 Benchmark 更有信心：15 组中国方言平均识别错误率（越低越好），Ming 是 8.42%，Qwen3-ASR-1.7B 是 15.30%，Qwen3-Omni-30B 是 16.36%，Fun-ASR 1.5 是 8.00%。相比 Qwen3-ASR，错误率相对降低约 45%。湖南话、闽南话、粤语、江苏话，Ming 都拿下了这张榜单的第一；与 Fun-ASR 相比，15 组方言中有 10 组领先。
实际用途也很好想：中国这么大，南腔北调，语音识别最难的恰恰不是普通话。客服通话、会议记录、视频字幕、AI 眼镜、车载助手，以前一遇到方言就容易抓瞎，现在连地方口音都能让 AI 来听了。蚂蚁百灵团队有真实业务和数据支撑，评测覆盖 15 组方言。
这个模型完全开源、MIT 许可证，还能本地部署。模型名：Ming-3.0-asr-tiny，搜模型名就能找到开源仓库。
正文完