**首个开源扩散音频ASR模型：基于冻结大模型的轻量级适配**

_The First Open Source Diffusion Audio ASR Model_

> Interfaze发布DiffusionGemma-ASR，首个支持六语言的开源扩散音频识别模型。该模型仅训练约4200万参数的适配器，无需从头训练解码器，即可在冻结的26B骨干网络上实现实时转录，LibriSpeech错误率优于Whisfusion。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-07-02 22:21（北京时间）
- **原文**：[打开原文](https://interfaze.ai/blog/the-first-open-source-diffusion-audio-asr-model)