腾讯混元发布Hy ASR 3.0 preview：真正懂上下文的语音识别

  比特网8月5日消息，日前，腾讯混元正式发布新一代语音识别模型Hy ASR 3.0 Preview，目前已上线腾讯云官网并对外开放API服务，可应用于智能客服、内容理解、语音搜索等场景。

  与以往“只转写、不理解”的语音识别不同，这一代模型最大的标签是“能理解上下文”，它基于新一代大语言模型 Hy3的语言理解能力，将高精度语音识别与深度语义理解结合起来，让机器不仅能把声音变成文字，还能结合语境判断语义。

  评测数据颇为亮眼：在开源测试集中，Hy ASR 3.0 Preview的多语种词错误率(WER)均控制在3%左右：中文普通话3.34%、英语2.62%、粤语3.12%;在自建评测集的通用语音、方言、上下文理解、专业词汇以及高噪声、耳语等复杂声学场景中，也保持了较低的词错误率。

  从实际体验看，模型重点提升了四项能力：一是通用识别准确率提升，覆盖普通话、方言及中英文混说，减少错字漏字和长音频偏差;二是支持结合Context上下文理解语境，对同音词智能纠错，降低语义误判;三是支持热词注入增强，可快速识别品牌名、产品名、人名与行业术语，减少企业适配和词库维护成本;四是针对高噪声、耳语、低声说话等场景专项优化，复杂环境下仍能稳定转写。

  技术层面，模型采用兼顾效率与性能的MoE架构，基座升级至Hy3;语音侧使用腾讯自研的无监督语音Encoder，以数千万小时无监督语音数据训练，并与大语言模型联合训练，覆盖多种方言、口音和声学环境。腾讯元宝深度参与共研并完成首发接入，用户长按说话即可免费体验相关能力，WorkBuddy等腾讯产品也在陆续接入。

  我们认为，将大模型语义能力引入ASR，是语音识别从转写工具迈向理解助手的合理方向。免费开放有助于生态检验，实际体验仍待多场景长期观察。

免责声明：本文内容来源于第三方或整理自互联网，本站仅提供展示，不拥有所有权，不代表本站观点立场，也不构成任何其他建议，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容,不承担相关法律责任。如发现本站文章、图片等内容有涉及版权/违法违规或其他不适合的内容， 请及时联系我们进行处理。