2026年7月21日，微软研究院宣布PazaBench第二次发布。这不是一次简单的版本更新，而是一次近乎翻倍的扩张——从39种语言跃升至61种，覆盖38个非洲国家，测试样本量接近翻番。在AI行业为多模态大模型疯狂竞速的当下，一个专注于低资源语言的语音识别基准测试平台，正在悄然改写一个被长期忽视的叙事：全球超过10亿非洲人使用的2000多种语言，在AI的世界里，究竟有没有被听见？
61种语言、11个数据集：PazaBench V2到底做了什么
PazaBench是微软研究院非洲内罗毕实验室的旗舰项目。今年2月，它首次亮相时以全球首个低资源语言ASR排行榜的身份进入公众视野，覆盖39种非洲语言、52个主流语音和语言模型。项目名称Paza源自斯瓦希里语短语paza sauti，意为提高你的声音——本身就是一种宣言。
五个月后的第二次发布，数据令人印象深刻。新增22种语言，使总覆盖语言数达到61种。新增1个ASR模型，基准测试模型总数达到53个。覆盖数据集从最初扩展到11个，测试样本量接近翻番。更重要的是，这些语言不再局限于东非——它们覆盖了38个非洲国家，从北非的阿拉伯语方言到南非的班图语系，地域广度大幅提升。
这意味着什么？一个简单的对比。根据2025年发表的研究论文《The State of Large Language Models for African Languages》，在主流大语言模型系统中，只有42种非洲语言以有意义的方式出现。而仅PazaBench这一个平台，现在覆盖的语言数已经超过所有主流AI系统的总和。当然，覆盖不等于完美支持——PazaBench是一个评估基准，而非生产级ASR系统——但它提供了衡量谁做得好、谁做得差的标尺，而这正是改善的起点。
从田间地头到排行榜：为什么必须做这件事
PazaBench的诞生并非偶然。它的技术路线根植于Project Gecko——微软研究院与农业科技组织Digital Green的合作项目，目标是让非洲和印度农民用母语语音使用AI工具。研究团队在田野调查中发现了一个残酷的现实：主流的语音识别系统在非西方口音和低资源语言环境中的表现，远低于实验室数据所暗示的水平。
我们与非洲农民的实地工作揭示了语音系统在真实低资源环境中失败的频率，许多语言被忽视，非西方口音经常被误解，项目负责人之一、研究工程师Mercy Muchai在项目发布时表示。
Paza就是对这个问题的直接回应。它不是一款产品，而是一条端到端的持续管道：通过PazaBench评估现有模型，通过Paza微调模型，再用社区测试者在真实设备上验证——形成评估、改进、验证的闭环。这种以人为中心的设计哲学，与传统AI开发中先做大模型、再适配长尾语言的路径截然不同。
非洲AI的语言困境：一个被夸大的多语言叙事
AI正在变得越来越多语言——这是OpenAI、谷歌、Meta等公司反复强调的叙事。Whisper号称支持99种语言翻译，Gemini宣称覆盖100多种语言，Meta的NLLB翻译模型覆盖200种语言。但这些数字需要仔细拆解。
以Whisper为例，它确实支持99种语言的语音识别，但其中非洲语言的比例极低。更重要的是，在来自非洲的语音输入上，Whisper的词错误率往往比在英语或中文上高出数倍。一篇关于卢旺达语和基库尤语的研究表明，即使使用50小时的训练数据，WER才能降到13%以下——而这已经是目前最好的开源模型。
ChatGPT在豪萨语上的表现更直观。2025年9月，Semafor的报道指出，ChatGPT只能正确识别10%到20%的豪萨语输入。而豪萨语是西非超过9400万人的母语。换句话说，当一个非洲用户试图用母语与AI交互时，TA有80%到90%的概率被系统误听或直接忽略。
这不是技术歧视，而是数据匮乏的必然结果。全球约7000种语言中，不到1%拥有公开的语音语料库。非洲语言的语音数据尤其稀缺，因为这些语言多为口语传统，缺乏书面语料和标注数据。而语音AI的底层逻辑是数据驱动的——没有数据，就没有模型性能。
PazaBench的价值正在于此。它不提供现成的完美模型，但它提供了衡量差距有多大的标尺。没有标尺，你甚至无法知道问题有多严重。
微软的非洲AI棋局：不止是公益
PazaBench只是微软在非洲AI布局中的一枚棋子。2026年5月，微软AI for Good Lab联合谷歌.org、盖茨基金会和Masakhane非洲语言中心，共同发起了LINGUA Africa——一个面向非洲语言AI项目的开放资助计划，提供资金、云计算资源和专业技术支持。
这些动作放在一起，勾勒出清晰的战略图景。微软正在系统性构建非洲AI的基础设施层。从语音基准（PazaBench）到数据资助（LINGUA Africa），从模型微调（Paza ASR模型）到社区共建（与Masakhane合作），微软在非洲AI领域的布局远比单纯的企业社会责任更深。
对比竞争对手，谷歌也在做类似的事——推出了WAXAL开放语音数据集，并在2025年宣布为15种非洲语言增加语音搜索和Gboard语音输入支持。但谷歌的路径更偏向产品化——将非洲语言纳入现有产品体系。而微软的路径更偏向基础设施化——先建评估标准，再建数据生态，最后才是应用层。这种差异反映了两种不同的战略假设：谷歌认为让现有产品覆盖更多语言是高效路径；微软似乎认为非洲AI需要从基准开始重建。
从商业角度看，微软的路径更重、更慢，但也更有护城河。一旦PazaBench成为评估非洲语音AI的事实标准，任何想在这个市场有所作为的公司——无论是OpenAI、谷歌还是创业公司——都必须通过PazaBench来证明自己。
PazaBench V2的局限性：不能回避的三个问题
PazaBench V2的进步是实质性的，但也要看到它的边界。
第一，覆盖率不等于可用性。61种语言相对于非洲2000多种语言仍然只有3%。即便覆盖了38个国家，每个国家内部可能还有数十种未被收录的语言。PazaBench的官方团队也承认这一点，在发布中明确表示欢迎提交更多语言的评估数据集。
第二，基准测试不代表生产环境性能。PazaBench评估的是模型在特定数据集上的词错误率，但真实场景下的噪声环境、口音变异、网络带宽限制，都会显著影响ASR性能。Paza团队确实在努力缩小这一差距——他们在Project Gecko中让农民在真实设备上测试——但PazaBench本身仍然是一个离线评估平台。
第三，维护和可持续性。PazaBench是微软研究院的学术项目，而非微软产品部门的商业产品。它的长期维护依赖于研究资金的持续性。整个非洲AI基础设施领域，缺少一个公共物品性质的常设机构来持续维护这些标准。
谁在受益，谁在焦虑？
PazaBench V2的发布，对不同角色的影响截然不同。
对非洲本地的AI研究者和开发者而言，这是好消息。他们终于有了一个被全球认可的基准来评估自己的模型，也有了更丰富的数据集来训练和测试。正如微软项目团队所说，这次更新得益于所有提交数据集的人——社区贡献是PazaBench的核心驱动力。
对OpenAI、谷歌、Meta等大模型公司而言，PazaBench是一个越来越难以忽视的考场。如果你的模型在PazaBench上表现不佳，你在非洲市场的可信度就会打折扣。这不是一个法律要求，但正逐渐成为行业共识。
对非洲各国政府和政策制定者而言，PazaBench提供了一种量化语言技术就绪度的工具。哪些语言在AI系统中被支持？支持到什么程度？这些数据可以为数字包容政策提供依据。
对非洲本土的AI创业公司而言，PazaBench既是机会也是压力。机会在于，基准的存在降低了市场准入门槛——你的模型好，在PazaBench上就能证明。压力在于，资源雄厚的巨头仍然占据优势——它们有更多的计算资源和数据来挑战基准。
PazaBench V2的发布，并不意味非洲AI语音问题已经解决。61种语言相对于2000多种语言，只是冰山一角。但它的意义在于：它让冰山的大小变得可测量。
在AI行业疯狂追逐通用智能的当下，Paza代表了一种逆向但同样重要的工作——不是让AI变得更聪明，而是让AI听得更广。这不仅是一个技术问题，更是一个关于谁的声音值得被听见的价值判断。
PazaBench的下一步，是继续扩大覆盖范围，还是深化对现有语言的支持质量？从这次发布看，微软选择了前者——更多语言、更多国家、更多数据集。这是正确的优先顺序：先让更多语言被纳入评估，再谈优化。因为没有基准，就没有优化。
新的标尺已经立下。接下来，是各家公司交出答卷的时候了。
当全世界都在教AI说话时，PazaBench在教AI倾听。而倾听，有时比说话更需要勇气。
快报