今天, 腾讯混元发布了新一代语音识别模型 Hy ASR 3.0, 此模型的识别准确率有了大幅的提升, 在方言以及复杂场景之下的表现变得更为稳定, 而这一更新所代表的是语音输入会变得更加精准、智能, 用户在日常使用过程当中的体验将会得到明显的改善。

识别精度大幅提升

于不少开源评测集当中, Hy ASR 3.0 的总体表现处于优势地位。其针对中文普通话的 word错误率为3.34%, 针对英文的为2.62%, 针对粤语的为3.12%, 多种语言类型的WER均被把控在3%左右。

此一数据所蕴含的意义在于, 语音转文字这一行为会变得更为精准无误, 用户并不需要再三去纠正识别之后得出的结果。不管是在日常之中进行的对话, 还是处于专门的场景之下, 都能够收获到更为值得信赖的转写成效, 进而削减人工校对时所产生的工作量。

深度语义理解能力

Hy ASR 3.0 借助最新一代大语言模型 Hy3 的语言理解实力, 去融合高精度语音识别以及深度语义理解, 并非仅仅进行逐字转写, 而是具备理解语境的能力, 进而给出更贴近用户意图的成果。

从“逐字转写、单点优化”而发展成“理解语境、兼容场景、一键直出” , 这样的转变使得用户体验愈发智能 , 语音输入愈发像是在跟一个切实理解你意图的助手展开对话。

方言识别能力增强

一直以来, 语音技术里方言识别都属于难点, Hy ASR 3.0 在对粤语等方言进行识别方面表现显著, 词错误率仅仅是 3.12%。这表明方言用户能够获取准确的语音转写体验, 无需再依靠普通话输入了。

产品因方言覆盖的扩展而更贴近普通用户, 对于粤语区用户而言, 语音输入变得更自然便捷, 降低了使用门槛, 使得更多此类用户, 能享受语音技术便利, 对于四川话等方言区用户来说, 亦是如此。

复杂场景稳定表现

一直以来, 语音识别的痛点在于高噪音环境以及低音量说话。Hy ASR 3.0 在复杂声学场景当中, 即便处于嘈杂的公共场所, 又或者是轻声耳语的状况下, 都能够稳定转写, 并且始终保持着较低的词错误率。

这一能力使得语音输入, 不再经受环境的限制, 用户能够于地铁、餐厅等嘈杂场景之中，正常去使用语音功能, 并不需要寻觅安静环境, 从而使用体验变得更加自由且顺畅。

元宝已首发上线

腾讯元宝深度参与共同研究, 完成首次发布上线, 用户打开元宝, 按住说话, 就能体验方言识别、上下文智能纠错以及复杂环境稳定转写等能力提升, 语音输入更准确、更稳定, 并且免费开放。

并且, 另外存在些别的产品正持续陆续地接入进来。用户能够直接于元宝当中尝试使用那些新能力, 去体会语音输入的体验得以升级的情况, 免费进行开放这一举措致使更多用户能够以零成本去体验最新的技术。

API服务全面开放

已经进行上线操作的 Hy ASR 3.0, 是在云官网这个平台上, 对外展开提供 API 服务的行为, 能够在像智能客服、内容理解、语音搜索等这些场景里得到广泛的运用, 开发者能够以快速的方式进行接入, 从而给产品注入具备更强效果的语音识别能力。

这一开放策略, 使得众多企业以及开发者, 得以运用最新的语音技术。不管是创业公司情形下, 还是大型企业状况中, 均可借助 API 迅速完成集成, 进而提升产品的智能化水准, 推动语音交互的普及进程。

在平常的时候, 你会不会运用语音输入这种方式? 对于语音识别而言, 你有着怎样的准确率方面的期待? 欢迎在能够进行评论的区里, 去分享有关你的看法。