当前位置:

首页 > 硬件相关 > 腾讯混元发布新一代语音识别模型 Hy ASR 3.0 preview

腾讯混元发布新一代语音识别模型 Hy ASR 3.0 preview

腾讯混元发布新一代语音识别模型HyASR3.0preview,基于混元大模型Hy3,融合语音识别与语义理解,实现从逐字转写到理解语境的进化。在开源评测集中,中文、英文、粤语词错误率分别3.34%、2.62%、3.12%。已上线腾讯元宝,免费开放,并提供腾讯云API服务。

本文目录

    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”。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    硬件相关
    相关文章 更多
    腾讯混元3.0正式上线,聚焦提升任务执行力
    腾讯混元3.0正式上线,聚焦提升任务执行力

    腾讯混元3.0正式版上线,采用295B总参数MoE架构,聚焦任务执行与推理能力提升。价格降至输入1元/百万tokens,办公场景任务成功率从72%提升至90%,幻觉率下降超一半。坚持性价比路线,已在多个内部业务部署。

    腾讯混元发布Hy3,API价格每百万tokens 0.25元起
    腾讯混元发布Hy3,API价格每百万tokens 0.25元起

    腾讯发布Hy3大模型,MoE架构,总参数295B,激活21B,支持256K上下文。API输入1元/百万tokens,输出4元,缓存命中0.25元。能力较预览版跃升,小尺寸比肩大尺寸旗舰。

    腾讯混元发布并开源Hy3模型 在推理、智能体、长上下文等任务上显著进步
    腾讯混元发布并开源Hy3模型 在推理、智能体、长上下文等任务上显著进步

    腾讯混元发布并开源Hy3模型,在推理、智能体、长上下文任务上显著进步,智能水平超越同尺寸模型,比肩2至5倍规模旗舰模型。后训练优化数据与强化学习,降低API成本至每百万Tokens输入1元,全面开源于GitHub等平台。

    姚顺雨“交卷”了:腾讯混元Hy3正式发布,同日公司股价上涨
    姚顺雨“交卷”了:腾讯混元Hy3正式发布,同日公司股价上涨

    腾讯混元大模型Hy3正式发布,由首席AI科学家姚顺雨操刀,以21B激活参数对标更大规模模型,Agent能力显著提升。该模型已接入元宝、WorkBuddy等业务,WorkBuddy使用规模三个月增长两个数量级,微信AI助手“小微”启动内测。受AI业务前景提振,腾讯港股当日上涨4.82%。

    腾讯混元Hy3正式发布:Agent能力提升,坚持高性价比路线
    腾讯混元Hy3正式发布:Agent能力提升,坚持高性价比路线

    腾讯混元Hy3发布,采用快慢思考融合MoE架构,总参数295B、激活21B,支持256K上下文。Agent能力显著提升,定价输入1元、输出4元/百万tokens,开源Apache2.0,已在多个业务接入并取得效果提升。

    半年重建,一次交卷:5分钟生成3D跑酷小游戏,腾讯混元 Hy3 正式发布
    半年重建,一次交卷:5分钟生成3D跑酷小游戏,腾讯混元 Hy3 正式发布

    腾讯混元发布Hy3模型,采用MoE架构,总参数295B、激活参数21B。通过“小激活、大总参”降低成本,经业务打磨后任务成功率提升、幻觉率下降。在WorkBuddy中仅用5分钟即可生成可玩的3D跑酷小游戏,验证了模型实用价值。

    海光DCU完成腾讯混元Hy3正式版适配
    海光DCU完成腾讯混元Hy3正式版适配

    海光深算系列DCU完成与腾讯混元大模型Hy3正式版的全面深度适配,针对智能体能力、MoE稀疏激活架构及低延迟推理等关键特性进行专项优化,推动国产硬件与大模型从“能用”迈向“好用”。

    腾讯混元携手多所高校,让3D网格生成快如闪电
    腾讯混元携手多所高校,让3D网格生成快如闪电

    腾讯混元联合多所高校提出PolyFlow,通过拓扑嵌入器将离散网格拓扑转为连续向量,结合流匹配模型并行生成网格,速度比自回归方法快数十倍,倒角距离降低43%,且支持用户指定顶点数量。

    腾讯混元 AI Infra 团队开源 HPC-Ops,高性能 LLM 推理核心算子库
    腾讯混元 AI Infra 团队开源 HPC-Ops,高性能 LLM 推理核心算子库

    腾讯混元AIInfra团队近日开源了HPC-Ops高性能LLM推理算子库,基于CUDA和CuTe从零重构,涵盖FusedMoE、Attention等核心模块。实测显示,混元系列模型推理QPM提升30%,DeepSeek提升17%,Attention算子最高提速2.22倍,推理效率显著提升,广泛适用于各类大模型推理场景,性能优越。

    腾讯混元发布混元图像 3.0 图生图模型
    腾讯混元发布混元图像 3.0 图生图模型

    腾讯混元发布混元图像3.0图生图模型,采用80B参数MoE架构,支持图像编辑与多图融合,已在元宝平台上线。模型具备语义理解与逻辑推理能力,可精准执行对象增删、风格迁移等任务。通过千万级多任务数据集和思维链范式训练,结合MixGRPO强化学习优化,显著提升指令响应质量。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。