据動察 Beating 監測，阿里通義實驗室將流式語音識別大模型 Fun-ASR-Realtime 的首字延遲降至百毫秒級，實現話音剛落即出字，且準確率逼近離線模型。在影視颶風最近結束的 100 小時荒島直播中，模型在戶外暴雨、多人頻繁切換發言的惡劣環境下，全程提供即時字幕支援，累計識別 6 萬餘條、共 132 萬字。
為了解決即時語音識別容易斷章取義的痛點，新模型強化了上下文感知能力，能結合歷史對話與即時熱詞動態糾錯（例如根據後文自動將「葉鹿」修正為「夜鷺」）。模型目前支援 30 種語言和 16 種方言，在方言測試中平均字元準確率達 88.62%，其中上海話為 92.41%，號稱最難懂的溫州話也達到 82.74%。離線版模型 Fun-ASR-Flash 則在全球 AI 評測平台 Artificial Analysis 的字錯率排行榜上奪得第一。
目前，這兩款新模型僅作為商業 API 服務上線阿里雲百煉，而底層的 FunASR 開源框架與生態模型可在魔搭社區和 GitHub 獲取。
免責聲明：本頁面資訊可能來自第三方來源，僅供參考，不代表 Gate 的立場或觀點，亦不構成任何財務、投資或法律建議。虛擬資產交易具有高風險，請勿僅依賴本頁資訊作出決策。詳情請參閱
免責聲明。
