腾讯混元出了新语音识别模型 Hy ASR 3.0，粤语英语 WER 都压到 3% 左右，元宝里已经能免费用了。
腾讯混元发布新一代语音识别模型 Hy ASR 3.0 preview，基于大语言模型 Hy3 融合语音识别与语义理解。该模型在开源评测集中中文普通话 WER 为 3.34%，英语为 2.62%，粤语为 3.12%。在自建评测集上，通用识别、方言、上下文理解等场景 WER 保持较低水平。腾讯元宝已首发接入该模型，支持方言识别与上下文纠错，并免费开放。Hy ASR 3.0 preview 已上线腾讯云 API 服务。
腾讯混元发布语音识别模型 Hy ASR 3.0 preview，元宝已首发上线
IT之家 8 月 4 日消息，腾讯混元今日发布了新一代语音识别模型 Hy ASR 3.0 preview。 官方表示，基于最新一代大语言模型 Hy3 的语言理解能力，Hy ASR 3.0 preview 融合高精度语音识别与深度语义理解能力， 在通用识别、上下文感知、多场景鲁棒性以及方言覆盖等核心维度实现全面提升 ，能够在更复杂的真实输入中给出准确、连贯且更接近用户意图的转写结果，从“逐字转写、单点优化”演进为“理解语境、兼容场景、一键直出”。 Hy ASR 3.0 preview 在多个开源评测集和自建评测集上整体表现领先。在开源评测集中，Hy ASR 3.0 preview 在多语种的 WER（ Word Error Rate，词错误率）上都 控制在 3% 左右 ，其中中文普通话 WER 3.34%、英语 WER 2.62%、粤语 WER 3.12%。 在自建评测集上，Hy ASR 3.0 preview 在通用识别、方言识别、上下文 Context 理解、专词理解、复杂声学场景（高噪、耳语）等场景化评测中，WER 也保持较低水平。 官方表示， 元宝深度参与共研并已完成首发上线 ，用户打开元宝按住说话即可体验方言识别、上下文智能纠错与复杂环境稳定转写等能力提升，语音输入更准、更稳，且免费开放； WorkBuddy 等产品也在陆续接入中 。 目前 Hy ASR 3.0 preview 已 上线腾讯云官网对外提供 API 服务 ，可广泛应用于智能客服、内容理解、语音搜索等场景。 IT之家附相关链接： 腾讯混元： https://aistudio.tencent.com/visual 腾讯云： https://cloud.tencent.com/document/product/1093/135476