阿里千问发了新语音模型，支持30种语言+16种方言，方言准确率干过火山腾讯，离线版字错率全球最低。
阿里千问升级Fun-ASR-Realtime语音识别模型，单模型支持30种语言和16种方言。在覆盖八大方言区的16种方言测试中，字符准确率平均为88.62%，12类方言上领先火山与腾讯。首字延迟控制在百毫秒级别，流式识别准确率接近离线。针对泰语等东南亚语言优化，识别准确率提升20%。离线版Fun-ASR-Flash在Artificial Analysis上字错率1.7%，位列全球第一。
单模型支持 30 种语言 + 16 种方言，阿里千问升级 Fun-ASR-Realtime 语音识别模型
IT之家 7 月 6 日消息，阿里千问今日宣布，升级实时语音识别大模型 Fun-ASR-Realtime， 单模型支持 16 种方言和 30 种语言 ， API 现已上线阿里云百炼平台。 官方表示，在覆盖八大方言区的 16 种方言识别测试中，Fun-ASR-Realtime 字符准确率平均为 88.62% ，在 12 类方言上领先，超越火山与腾讯相关产品。 据介绍，Fun-ASR-Realtime 首字延迟控制在百毫秒级别 ，流式识别准确率接近离线水平，同时支持多语言无缝切换。 此外，模型面向泰语等东亚、东南亚多语言场景进行了专项优化， 识别准确率提升了 20% ，适用于出海客服、国际会议等场景。 IT之家获悉，Fun-ASR-Realtime 的离线模式模型 Fun-ASR-Flash 也已于近期上线。在 AI 评测平台 Artificial Analysis 上，Fun-ASR-Flash（榜单上为该模型曾用名 "Fun-realtime-ASR-preview"） 字错率 1.7%，位列全球第一 。