当前位置:

首页 > 硬件相关 > 千问大模型升级实时语音识别大模型Fun-ASR-Realtime 支持30种语言+16种方言

千问大模型升级实时语音识别大模型Fun-ASR-Realtime 支持30种语言+16种方言

千问大模型推出实时语音识别模型Fun-ASR-Realtime,首字延迟仅百毫秒,准确率接近离线版本,支持三十种语言和十六种方言,方言平均字符准确率达百分之八十八点六二,在复杂场景及多语种识别中领先同类产品。

本文目录

    千问大模型升级实时语音识别:Fun-ASR-Realtime正式发布

    7月6日,千问大模型正式推出了实时语音识别大模型Fun-ASR-Realtime。这是一款将首字延迟控制在百毫秒级别、识别准确率接近离线模型的流式语音识别产品,同时支持16种方言和30种语言——覆盖面在国内同类产品中相当少见。

    语音识别模型其实分两类:离线和实时。离线模型处理的是已经录好的音频,准确度更高,但没法应对“边说边识别”的场景;实时模型则不同——边录边识,既得准又得够快,难度更大。但直播字幕、会议实时转写、客服通话这些低延迟场景,偏偏就需要这种能力。Fun-ASR-Realtime瞄准的正是后者:让“又快”和“又准”不再是一道选择题。

    速度:首字百毫秒,尾字不掉队

    在速度上,模型的首字时延控制在百毫秒级别——话音刚落,文字就已经开始浮现。即便是很长的句子,尾字输出的延迟也极低。举个例子,在“重返荒岛”的100小时直播中,两岛互动、多人频繁切换说话、赛制复杂还赶上暴雨——观众却能实时看到Tim和中国boy等嘉宾的发言字幕,观看体验直接被拉满。

    准确率:接近离线模型,还能“越听越准”

    在准确率方面,Fun-ASR-Realtime的表现已经很接近其离线版本Fun-ASR-Flash。它针对上下文做了专项强化——包括历史对话上下文和实时热词,使模型具备理解语境的能力。一个真实的直播案例:Tim说了“夜鹭”,最开始被识别成“叶鹿”,但紧接着上下文跟了一句“观鸟的朋友应该知道”,模型立刻自己纠正了过来。

    多语言和方言:这是Fun-ASR-Realtime最能听的部分

    Fun-ASR-Realtime最能打的,其实是多语言和方言能力。它支持16种方言和30种语言,覆盖了八大方言区。在方言识别测试中,平均字符准确率达到88.62%,有12类方言的识别准确率领先火山和腾讯的相关产品。特别是高难度的吴语系——上海话92.41%,苏州话89.21%,就连号称“最难懂方言”的温州话也达到了82.74%。福建话、客家话等复杂方言同样全面领先。

    Fun-ASR-Realtime在16种方言识别测试中领先。CER为字符错误率,1-CER代表字符准确率。

    复杂场景与多语种:从工业远场到出海市场

    在5类工业中文和英文场景的语音识别横向测评中——包括复杂背景、远场嘈杂以及各种带口音的场景——Fun-ASR-Realtime依然表现抢眼,中文平均字符准确率88.42%,英文91.58%,均领先同类产品。此外,模型针对泰语等东亚、东南亚语言做了专项优化,识别准确率提升了20%,特别适合出海客服、国际会议等场景。

    Fun-ASR-Realtime在5类工业中文和英文场景的语音识别横向测评中领先。

    离线模型Fun-ASR-Flash:全球权威榜单第一

    作为Fun-ASR-Realtime的离线版本,Fun-ASR-Flash近期也正式上线。在全球权威AI评测平台Artificial Analysis上,Fun-ASR-Flash(榜单上为曾用名“Fun-realtime-ASR-preview”)字错率仅为1.7%,位列全球第一。

    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
    喜马拉雅音频大模型升级,市北国际科创区将培育更多科技产业
    喜马拉雅音频大模型升级,市北国际科创区将培育更多科技产业

    最近,世界人工智能大会的市北高新展台上,喜马拉雅带着新一代音频大模型、全新智能创作平台“音剪AI”,以及好几款智能硬件产品亮了相。从现场反馈来看,这波操作确实有点意思。要知道,喜马拉雅音频大模型是全国首个通过国家网信办备案的音频生成类大模型,背后的自研TTS技术已经迭代了七代,累计产出的音频时长超过

    llama.cpp b12489、b12490、b12491、b12492、b12493、b12494、b12496、b12497、b12498预发布说明
    llama.cpp b12489、b12490、b12491、b12492、b12493、b12494、b12496、b12497、b12498预发布说明

    llama.cpp b12489、b12490、b12491、b12492、b12493、b12494、b12496、b12497、b12498 均为预发布构建,分别涉及服务器、语音模型及特定后端;适用范围须按模型、硬件和请求条件区分。

    MiniMax-H3-Image与DiffSynth-Studio 2.2.2文档配方的硬件条件怎样区分
    MiniMax-H3-Image与DiffSynth-Studio 2.2.2文档配方的硬件条件怎样区分

    MiniMax-H3-Image新增DiffSynth-Studio文档推荐后,配置选择应围绕具体推理配方和独立训练流程展开。文档中的24GB GPU方案分别配合32GB或8GB主机RAM,所用量化、CPU或磁盘卸载方式不同;新增文档入口本身没有发布模型新权重或标注一个新的框架版本。

    Ollama v0.40.17-rc0更新该看哪些条件,MLX、Vulkan与CLI改进如何对应
    Ollama v0.40.17-rc0更新该看哪些条件,MLX、Vulkan与CLI改进如何对应

    识别Ollama完整rc0预发布标签,区分MLX并发、Vulkan集成显卡mmap、llama.cpp b12257与CLI集成更新边界。

    宏基笔记本开机没反应怎么办?电源灯亮 黑屏及不通电的解决方法
    宏基笔记本开机没反应怎么办?电源灯亮 黑屏及不通电的解决方法

    宏基笔记本遇到开机没反应、电源灯亮但屏幕黑屏,或者按下电源键完全无反应的情况该怎么办?本文通过界面与状态指示灯的观察,分步骤介绍静电释放、内存重插及外接显示器测试等实用方法,助你自行解决常见启动故障。

    hp笔记本开机没反应电源键和大小写键亮怎么回事
    hp笔记本开机没反应电源键和大小写键亮怎么回事

    惠普笔记本开机时电源键和大小写锁定键亮起,但屏幕无反应?这通常是嵌入式控制器(EC)逻辑错误或静电干扰所致。本文详解如何通过移除外设、长按电源键进行硬件复位来恢复正常启动,并提供BIOS恢复及进一步硬件检测的建议。

    电脑黑屏显卡风扇狂转怎么回事?原因与解决方法
    电脑黑屏显卡风扇狂转怎么回事?原因与解决方法

    遇到电脑黑屏伴随显卡风扇狂转?这往往是显卡过热保护、供电不足或驱动崩溃的信号。本文详解如何通过观察指示灯、重置驱动、检查线缆及清理灰尘来解决该问题,避免盲目更换硬件。

    惠普笔记本开机没反应怎么办?电源灯不亮 闪烁及黑屏解决方法
    惠普笔记本开机没反应怎么办?电源灯不亮 闪烁及黑屏解决方法

    惠普笔记本无法开机、电源灯异常或屏幕黑屏?本文详解通过移除外设、执行硬重置(静电释放)、检查适配器及内存重插等步骤,快速定位并解决常见启动故障。

    笔记本开机没反应充电没反应怎么回事 如何解决
    笔记本开机没反应充电没反应怎么回事 如何解决

    笔记本电脑突然黑屏,按电源键无反应,连接充电器指示灯也不亮?别急着送修。本教程通过释放静电、检查适配器、重置EC等实操步骤,帮你解决笔记本“假死”问题。

    电脑黑屏风扇狂转怎么办?常见原因与故障排查方法
    电脑黑屏风扇狂转怎么办?常见原因与故障排查方法

    遇到电脑黑屏且风扇狂转?这通常是硬件接触不良或供电保护触发。本文提供详细的排查步骤,包括清理内存金手指、检查显卡供电及主板放电操作,助你快速恢复电脑正常启动。

    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。