(相關(guān)資料圖)
智通財(cái)經(jīng)APP獲悉,8月4日,騰訊混元正式發(fā)布新一代語音識(shí)別模型Hy ASR 3.0 preview。目前Hy ASR 3.0 preview已上線騰訊云官網(wǎng)對(duì)外提供API服務(wù),可廣泛應(yīng)用于智能客服、內(nèi)容理解、語音搜索等場(chǎng)景。元寶深度參與共研并已完成首發(fā)上線,用戶打開元寶按住說話即可體驗(yàn)方言識(shí)別、上下文智能糾錯(cuò)與復(fù)雜環(huán)境穩(wěn)定轉(zhuǎn)寫等能力提升,語音輸入更準(zhǔn)、更穩(wěn),且免費(fèi)開放;WorkBuddy等產(chǎn)品也在陸續(xù)接入中。
基于最新一代大語言模型Hy3的語言理解能力,Hy ASR 3.0 preview融合高精度語音識(shí)別與深度語義理解能力,在通用識(shí)別、上下文感知、多場(chǎng)景魯棒性以及方言覆蓋等核心維度實(shí)現(xiàn)全面提升,能夠在更復(fù)雜的真實(shí)輸入中給出準(zhǔn)確、連貫且更接近用戶意圖的轉(zhuǎn)寫結(jié)果,從“逐字轉(zhuǎn)寫、單點(diǎn)優(yōu)化”演進(jìn)為“理解語境、兼容場(chǎng)景、一鍵直出”。
Hy ASR 3.0 preview在多個(gè)開源評(píng)測(cè)集和自建評(píng)測(cè)集上整體表現(xiàn)領(lǐng)先。在開源評(píng)測(cè)集中,Hy ASR 3.0 preview在多語種的 WER( Word Error Rate, 詞錯(cuò)誤率)上都控制在 3% 左右,其中中文普通話 WER 3.34%、英語 WER 2.62%、粵語 WER 3.12%。
從用戶使用的角度,Hy ASR 3.0 preview 重點(diǎn)提升了四類能力——
通用識(shí)別更準(zhǔn)確:提升通用語音、方言、中英混說等場(chǎng)景下的識(shí)別準(zhǔn)確性,進(jìn)一步減少錯(cuò)字、漏字及長(zhǎng)音頻中的錯(cuò)誤累積。
更能理解用戶意圖:結(jié)合 Context 上下文精準(zhǔn)捕捉用戶語境,智能糾錯(cuò)同音詞,消除語義歧義。
更容易適配專業(yè)場(chǎng)景:支持熱詞注入增強(qiáng),幫助模型快速識(shí)別品牌產(chǎn)品名稱、人名及行業(yè)術(shù)語,降低業(yè)務(wù)接入和持續(xù)維護(hù)成本。
復(fù)雜環(huán)境下更穩(wěn)定:面向高噪、耳語、悄悄話等多種聲學(xué)場(chǎng)景下進(jìn)行專項(xiàng)優(yōu)化,復(fù)雜條件下依然保持穩(wěn)定表現(xiàn)。