2026-05-20

XEUS (CMU WAVLab)

覆盖4000+语言的语音基础模型，供ASR/翻译微调

Apple Silicon

入选理由: 需ESPnet代码运行，无现成API；仅有自引论文和基准，无社区复现；覆盖4000+语言，新架构SOTA
对位: 对位MMS、XLS-R等跨语言语音模型
适合: 多语言语音识别微调 / 语音翻译与语音tokenization
不适合: 不微调直接用于生产ASR
规模: 577M · 未知
授权: CC BY-NC-SA 4.0 · 不可商用
框架: espnet / pytorch / flash-attn
可信度: ML-SUPERB超越MMS/XLS-R,577M参数,100万小时预训练

社区实测

多语言语音预训练模型，HuggingFace 社区关注度中等（约 150 赞），ESPnet 生态用户群体为主要受众

覆盖 4,057 种语言的大规模语音预训练
开源发布检查点，支持 ESPnet 调用
单语 SUPERB 基准上 4 项任务达到 SOTA

核心代码仍在合并进 ESPnet 主仓库，尚未稳定
需下游微调才能用于识别/翻译等具体任务，不可开箱即用

来源

WAVLab | XEUS - Towards Robust Speech Representation Learning for Thousands of Languages espnet/xeus · Hugging Face

截至 2026-07-12

快速上手

python -c "from espnet2.tasks.ssl import SSLTask; model, _ = SSLTask.build_model_from_file(None, 'espnet/XEUS/checkpoint.pth', 'cuda')"