快科技8月22日消息,今日,阿里通義發布新一代端到端的語音識別大模型Fun-ASR,該模型增強了上下文感知和高精度語音轉寫能力,在家裝、保險等多個行業場景的語音識別準確率均提升了15%以上。
據了解,Fun-ASR是大語言模型驅動的語音識別算法,其基于自研語音算法和監督微調的Qwen3訓練,并采用前沿的模型架構以及先進的文本模態對齊技術,可有效保護和增強大模型的語言處理能力;
此外,Fun-ASR集成了RAG方案,可提供自動化音頻信息檢索功能,高可導入1000多個自定義熱詞。
基于該功能,系統能夠根據輸入音頻精確獲取相關領域熱詞、文檔及前文記錄,大幅提升特定領域內的關鍵詞識別效果。

為解決語音識別不準確、噪聲干擾、語種混淆以及生成幻覺等問題,通義團隊還在ASR模型訓練中引入了RL(強化學習)技術,此策略有效減少識別過程中的幻覺,提高整體系統的準確性與可靠性。
值得一提的是,在四川話、粵語、閩南語等多地方言上,Fun-ASR取得了領先同類產品的表現。
此外,Fun-ASR對遠場拾音和近場降噪的等多樣環境也表現出了良好的適應性,無論是會議室、工位,還是超市、戶外,均可有效保證識別準確率。
在訓練數據上,Fun-ASR基于上億小時音頻數據的訓練,全面涵蓋了互聯網、科技、家裝、畜牧、汽車等十多個領域的專業術語,在多個垂直領域的識別準確率顯著提升。
實測數據顯示,Fun-ASR在保險行業的準確率較以往提升18%,在家裝、畜牧等行業也實現了15%-20%的提升。

本文鏈接:http://www.rrqrq.com/showinfo-17-178022-0.html阿里通義新一代語音模型Fun-ASR再進化 垂直領域識別準確率提升超15%
聲明:本網頁內容旨在傳播知識,若有侵權等問題請及時與本網聯系,我們將在第一時間刪除處理。郵件:2376512515@qq.com