Breeze ASR 25：聯發科在在地化語音辨識的重大突破
認識 Breeze ASR 25，這是聯發創新基地（MediaTek Research）最新的開源模型。針對台灣國語與中英混用進行優化，相較於 OpenAI Whisper，它在混合語音辨識上的表現提升了 56%。了解為什麼這款擁有 15.5 億參數的模型是在地 AI 應用的遊戲規則改變者。
Breeze ASR 25：聯發科在在地化語音辨識的重大突破
雖然像 OpenAI 的 Whisper 這樣的全球性語音模型改變了 ASR（自動語音辨識）的版圖，但它們往往在處理區域細節時顯得吃力。在台灣，中英混用（Code-switching）（在同一個句子中混合兩種語言）以及特定的在地口音非常普遍，通用模型在這些情況下往往表現不佳。
為了結解決這個問題，聯發創新基地（MediaTek Research） 於 2025 年 7 月發布了 Breeze ASR 25（MR Breeze ASR 25）。這款開源強者專為理解台灣人的實際說話方式而設計。
15.5 億參數的力量
Breeze ASR 25 是基於 OpenAI 的 Whisper-large-v2 進行微調（Fine-tuning）的第二代模型。透過利用強大的基礎架構，並在約 10,000 小時 的在地高品質音訊數據上進行訓練，聯發科打造出了一款既熟悉又在區域需求上顯著更強的模型。
核心技術規格：
- 基礎架構：Whisper-large-v2 (Encoder-Decoder)
- 模型大小：約 15.5 億（1.55B）參數（權重約 3.1 GB）
- 開源授權：Apache 2.0（允許商業用途）
- 語言重點：繁體中文（台灣國語）與英文。
為什麼 Breeze ASR 25 脫穎而出
Breeze ASR 25 的真正價值在於它處理台灣語言環境複雜性的能力。
1. 卓越的中英混用辨識表現
台灣 ASR 面臨的最大障礙之一是頻繁的中英夾雜。相較於原始的 Whisper 模型，Breeze ASR 25 在中英混用辨識的準確度上實現了驚人的 56% 提升。無論是會議中的專業術語還是日常閒聊，該模型都能流暢地處理語言間的轉換。
2. 在地化準確度
通用模型常會誤解台灣特有的發音或詞彙。Breeze ASR 25 在在地情境下的整體辨識準確度提升了近 10%，確保「發生什麼事」不會被誤聽為「花生什麼事」。
3. 高精準度的時間戳記
對於創作者和開發者來說，時間點至關重要。Breeze ASR 25 具有強化的**時間戳記對齊（Timestamp Alignment）**功能，使其成為自動字幕生成（SRT）和影片標題製作的優質選擇。
4. 隱私與邊緣端優化
在數據隱私備受關注的時代，Breeze ASR 25 被設計為可完全在裝置端執行（Edge AI）。它可以被量化到 1 GB 以下，使其能在僅有 4GB VRAM 的筆記型電腦或 Apple Silicon Mac（透過 MLX 優化）上穩定執行。
實際應用場景
- 自動字幕生成：非常適合習慣中英混用的台灣 YouTuber 和內容創作者。
- 會議紀錄：適用於經常在中文對話中使用英文術語的企業環境。
- 智慧助理：為智慧家庭設備和客服機器人提供更自然、具備在地感知的語音介面。
- 機密轉錄：由於可以在地端執行，它是處理不便上傳雲端的法律或醫療轉錄的完美工具。
結論
Breeze ASR 25 不僅僅是另一個版本的 Whisper；它是一款尊重並理解台灣獨特語言文化的專業工具。透過將 15.5 億參數的大規模與在地化微調相結合，聯發創新基地為社群提供了一款高性能、商業友好的模型，讓我們離真正自然的人機互動更近了一步。
您現在可以在 Hugging Face 的 MediaTek-Research/Breeze-ASR-25 路徑下找到模型權重並開始構建您的應用。