北京
分享至
8月4日消息，据了解，腾讯混元于当日正式发布新一代语音识别模型Hy ASR 3.0 preview。据介绍，该模型基于最新一代大语言模型Hy3的语言理解能力，融合高精度语音识别与深度语义理解，在通用识别、上下文感知、多场景鲁棒性及方言覆盖等维度实现提升，可由逐字转写演进为兼顾语境理解与场景兼容的转写输出。
据悉，在开源评测集中，Hy ASR 3.0 preview多语种词错误率（WER）控制在3%左右，其中中文普通话WER为3.34%、英语为2.62%、粤语为3.12%。在自建评测集上，该模型在通用识别、方言识别、上下文理解及高噪、耳语等复杂声学场景中，WER亦保持较低水平。
据了解，Hy ASR 3.0 preview重点优化四类能力：通用场景下提升普通话、方言及中英混说识别准确率；结合上下文进行同音词纠错与歧义消除；支持热词注入以增强品牌名、人名及行业术语识别；针对高噪、耳语等声学条件做专项优化。架构层面采用MoE架构，基座升级至Hy3，并自研无监督语音Encoder，通过数千万小时级语音数据联合训练，辅以多阶段SFT与强化学习。
据介绍，该模型已上线腾讯云官网对外提供API服务，可应用于智能客服、内容理解、语音搜索等场景；腾讯元宝已完成首发接入，用户可通过语音输入体验相关能力，功能免费开放，WorkBuddy等产品也在陆续接入中。（栎行）
