腾讯混元发布新一代语音识别模型 Hy ASR 3.0 preview

8月4日，腾讯混元正式发布了新一代语音识别模型——Hy ASR 3.0 preview。这款产品，可以说是在语音识别领域里，朝着“让机器真正听懂人话”的目标，又往前迈了一大步。

它最大的亮点，在于不再只是简单地把声音转成文字。过去的语音识别，更多是“你说什么，我记什么”，就像一个偷懒的速记员，有时还会因为口音、噪音或者语境搞错关键信息。但Hy ASR 3.0不一样。它基于最新的混元大模型Hy3的语言理解能力，把高精度的语音识别和深度的语义理解融合在了一起。这意味着，它不仅能听清你说了什么，还能结合上下文和场景，去理解你真正想表达什么。官方说法是，它从“逐字转写、单点优化”进化到了“理解语境、兼容场景、一键直出”，这确实概括得很到位。

从实际表现来看，数据也相当扎实。在多个开源评测集上，Hy ASR 3.0的通用识别能力表现非常亮眼。多语种的词错误率（WER）都控制在了3%左右，其中中文普通话是3.34%，英语是2.62%，就连粤语也做到了3.12%。这个精度，在行业内已经属于第一梯队了。

当然，光看开源测试还不够。真正考验实力的，是复杂多变的真实场景。在腾讯自建的评测集上，Hy ASR 3.0在通用识别、方言识别、上下文理解、专有名词识别，以及高噪声、耳语等复杂声学场景下，都保持了很低的词错误率。这背后，是对各种“刁钻”输入场景的深度优化。

那么，这么好的技术，我们普通用户什么时候能用上？答案是：现在就能。腾讯元宝深度参与了这款模型的共研，并且已经完成了首发上线。打开元宝，按住说话，你会发现语音输入变得更准、更稳了，方言识别、上下文智能纠错、复杂环境下的稳定转写，这些能力都已经集成其中。而且，完全免费开放。此外，像WorkBuddy等企业级产品，也在陆续接入。

对于开发者来说，Hy ASR 3.0 preview也已经正式上线腾讯云，提供API服务。这意味着，智能客服、内容理解、语音搜索等场景，都可以直接调用这项能力，让产品变得更“聪明”。